Ingénieur-e de recherche. analyse et modélisation pour l'encodage syntaxique chez l’oiseau chanteur

Contexte et atouts du poste

## Contexte scientifique

Cette mission s'inscrit dans le cadre du projet ANR DeepPool, centré sur la modélisation de l'apprentissage sensorimoteur avec des modèles de réseaux de neurones récurrents partiellement aléatoires (reservoir computing) pour la compréhension des mécanismes neuronaux sous-jacents à la communication vocale humaine et non-humaine.

L’objectif est ce poste est multiple :
1. Analyser la structure hiérarchique des chants de canaris (syllabes, chunks, syntaxe, ...) ;
2. Poursuivre le développement du logiciel Canapy développé en interne pour la transcription audio automatique ;
3. Analyser le codage neuronal à partir d'enregistrements de neurones obtenus lors d'expériences précédentes ;
4. Construire un décodeur de syllabes et autres éléments syntaxiques observé avec les analyses, à partir de l'activité neuronale ;
5. Modéliser des activités sensorimotrice associées à ces perceptions et productions vocales (en collaboration avec d'autres membres de l'équipe).

Le projet combine neurosciences computationnelles, bioacoustique et intelligence artificielle. Il est mené par l’équipe-projet Inria Mnemosyne au sein de l’IMN (Bordeaux Neurocampus).

Mission confiée

L’objectif est ce poste est multiple :
1. Analyser la structure hiérarchique des chants de canaris (syllabes, chunks, syntaxe, ...) ;
2. Poursuivre le développement du logiciel Canapy développé en interne pour la transcription audio automatique ;
3. Analyser le codage neuronal à partir d'enregistrements de neurones obtenus lors d'expériences précédentes ;
4. Construire un décodeur de syllabes et autres éléments syntaxiques observé avec les analyses, à partir de l'activité neuronale ;
5. Modéliser des activités sensorimotrice associées à ces perceptions et productions vocales (en collaboration avec d'autres membres de l'équipe).

Principales activités

## Missions principales

L’ingénieur-e contribuera à toutes les étapes clés du pipeline d’analyse vocale et neuronale, avec une progression des tâches allant du traitement de données jusqu’à la modélisation et à la contribution scientifique.

### 1. Traitement des données et annotation automatique

- Prise en main des enregistrements de chants de canaris et d’activités neuronales.
- Utilisation de Canapy pour transcrire automatiquement plusieurs centaines de chants.
- Formatage et structuration des données pour les rendre exploitables par des algorithmes d’analyse et d'apprentissage machine.

### 2. Analyse des structures vocales

- Développement d’heuristiques pour identifier automatiquement des chunks, motifs ou structures hiérarchiques de chant.
- Extraction de features simples (syllabes, transitions) et avancées (probabilités de divergence/convergence, position dans le chant, etc.).
- Visualisation des séquences de chant par graphes, réduction de dimension (UMAP), ou représentations spatialisées.

### 3. Modélisation computationnelle et prédiction

- Implémentation de prédictions simples de syllabes à partir de l’activité neuronale.
- Prédictions avancées visant à reconstituer des structures de haut niveau (chunks, position dans le chant, etc.) ou des représentations synthétiques.
- Utilisation d'outils comme SynPlant pour paramétrer des syllabes synthétiques et prédire ces paramètres à partir des données neuronales.

### 4. Exploration de modèles et méthodes avancées

- Déploiement de modèles de réseaux de neurones récurrents (LSTM, Reservoir Computing) pour modéliser la syntaxe vocale et les liens neuronaux.
- Application de méthodes bio-informatiques pour l’analyse séquentielle (alignement, motifs, entropie, etc.).
- Exploration d’approches faiblement supervisées, non supervisées, ou d’apprentissage par renforcement (en collaboration avec d'autres membres de l'équipe)


### 5. Valorisation scientifique

- Participation active à la rédaction d’articles et communications scientifiques basés sur les résultats obtenus.
- Collaboration continue avec d'autres membres de l'équipe et les collaborateurs basés à Paris-Sud et Freiburg (Allemagne).
- Construction de bases de données annotées pour chants et signaux neuronaux, et publications de ces bases de données.
- Partage du code des pipelines d’analyse et de visualisation robustes en open source.

Compétences

## Compétences attendues

- Solide maîtrise en analyse de données, machine learning ou traitement du signal
- Connaissances souhaitées en réseaux de neurones récurrents (RNN), modélisation temporelle, ou Reservoir Computing
- Très bonne expérience en Python, notamment avec NumPy, Pandas, Scikit-learn, (ReservoirPy est un plus)
- Atout : expérience ou intérêt pour la bioacoustique, la neurosciences, ou l’analyse de séquences
- Esprit rigoureux, autonome, collaboratif
- Bonne compréhension de l’anglais écrit et oral

Avantages

1. Restauration subventionnée
2. Transports publics remboursés partiellement
3. Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
4. Possibilité de télétravail partiel et aménagement du temps de travail
5. Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
6. Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)

Rémunération

Selon diplôme et expériences professionnelles : de 2692 euros à 3085 euros mensuels bruts