Description :
Sujet post-doctorat mené par le L@bISEN, s'inscrit dans le cadre du projet SIIRI, financé par la région Bretagne, dans l'axe "innovation collaborative au croisement des filières". Ce projet implique des entreprises de renom opérant dans le domaine des solutions optiques, aussi la conception, la fabrication, et la maintenance de systèmes technologiques.Fiche d'identité du poste :Établissement de rattachement: Yncréa Ouest, Établissement d'enseignement supérieur privé d'intérêt général (EESPIG), sous contrat avec le ministère de l'enseignement supérieur et de la recherche;Unité de recherche: L@bISEN;Équipe de recherche: LSL (Light - Scatter - Learning);Lieu de travail: campus de Brest ;Durée du contrat: 1 ans ;Rémunération selon le profil/expérience, à partir de 35 325 ' (brut annuel)Possibilité de participer aux activités d'enseignements d'Yncréa Ouest.Contexte applicatif :L'utilisation de l'IA en imagerie spectrale offre des opportunités prometteuses pour améliorer les solutions actuelles dans l'industrie agroalimentaire. Les modèles auto-apprenants sont de plus en plus populaires car ils permettent aux systèmes d'apprendre à partir de données sans programmation explicite. Cette adoption croissante est due à leur facilité d'utilisation, rendant l'IA accessible même aux non-experts. Ces techniques sont explorées en imagerie hyperspectrale pour améliorer la précision, l'efficacité, la rapidité et la fiabilité dans l'industrie agroalimentaire.Objectif :Développer un moteur IA doté de capacités d'apprentissage basées sur des modèles auto-apprenants pour interpréter en temps réel des données hyperspectrales selon divers besoins. Ce moteur conférera une polyvalence à la machine de contrôle, lui permettant de s'adapter à divers domaines d'application dans l'industrie agroalimentaire (détection d'objets étrangers, recette qualité, .). L'intégration de ces modèles auto-apprenants pour les données hyperspectrales constitue une innovation majeure, ouvrant de nouvelles perspectives pour l'analyse et l'exploitation de ces données complexes et riches en informations. Cette approche vise à maximiser le potentiel de l'imagerie hyperspectrale et à améliorer les performances des modèles d'interprétation dans un temps rapide. Cette capacité représente une avancée sans précédent dans le contexte des solutions industrielles basées sur l'imagerie hyperspectrale rapide.Mots-clés : imagerie hyperspectrale, modèles auto-apprenants, apprentissage automatique, apprentissage en profondeur, Interprétation de données, données complexes, adaptabilité, accessibilité, optimisation, Industrie agroalimentaire. POST-DOCTORAL-Développement de modèles d'AutoML/DL pour l'Imagerie Hyperspectrale
Profil recherché :
Le ou la candidat(e) doit détenir :Doctorat en informatique, en science des données, en apprentissage automatique, en vision par ordinateur ou dans un domaine connexe.Solides compétences en programmation, en particulier en Python et en bibliothèque de deep learning tels que TensorFlow ou PyTorch.Expérience de travail avec des données d'imagerie hyperspectrale / 3D étant appréciée.Compréhension approfondie des réseaux de neurones profonds, de l'apprentissage automatique et des techniques de prétraitement des données.Pour candidater :Faire parvenir les documents suivants:Curriculum vitae (CV) ;Lettre de motivation ;Tout autre document jugé utile pour enrichir le dossier de candidature (lettres de recommandation, articles scientifiques, rapport de thèse, etc.)
Experience: Expérience souhaitée
Secteur d'activité: Enseignement supérieur
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.