Institut Fayol – Mines St Etienne

Recrutement : Maître Assistant Associé/ post doc en Science des Données et Mathématiques appliquées Pour l’Industrie 4.0

Les dossiers de candidature sont à déposer sur la plateforme RECRUITEE le 24/08/2021 au plus tard

Créé en 2011, l’Institut Henri Fayol fédère l’ensemble de ses équipes d’enseignants chercheurs en mathématiques, génie industriel, informatique, environnement et en management autour des thématiques de l’efficience, de la résilience et de la durabilité de l’industrie et des territoires du futur. Dans une perspective de développement durable et de responsabilité sociétale, l’efficience et la résilience des entreprises et des territoires dans lesquels elles s’insèrent, doivent en effet être envisagées non seulement sur le plan technique et économique, mais aussi au niveau social, environnemental. Deux plateformes technologiques ont été développées pour valider, promouvoir et enseigner le travail effectué au sein de l’institut dans des conditions quasi réelles. La première est dédiée au territoire du futur (Plateforme Territoire ) et la seconde à l’industrie du futur (Plateforme IT’M Factory). Au sein de cet institut, le département Génie Mathématique et Industriel (GMI) s’intéresse aux modèles de décision et aux sciences des données, abordés en particulier au travers de la probabilité, la statistique, l’optimisation et la recherche opérationnelle, liés aux méthodes quantitatives de résolution de problèmes qui sous-tendent la conception et l’optimisation de systèmes réels et complexes.

Plus particulièrement, les activités de recherche des enseignants chercheurs du département GMI (Génie Mathématique et Industriel) sont développées au sein du LIMOS. Elles sont centrées sur le développement de solutions mathématiques pour l’aide à la décision, comme la prévision, la modélisation et l’optimisation de systèmes continus ou procès discrets. Ces domaines scientifiques sont ceux des probabilités, des statistiques, des Sciences de données, de la méta-modélisation pour l’estimation (thème Données, Services et Intelligence – DSI – de l’axe SIC), de la modélisation et de l’optimisation qu’elle soit continue (axe MAAD) ou discrète (axe ODPS du LIMOS), locale et ou globale. Les activités de recherche sont soutenues par de nombreuses collaborations scientifiques au travers d’outils phares, notamment de 3 chaires de recherche – chaire ValaDoE – chaire Corenstock – consortium Ciroquo ( ex chaire OQUAIDO). Elles s’appuient sur des compétences mathématiques pour la résolution de problèmes autour notamment de la méta-modélisation, de l’optimisation, et de la théorie de la décision en lien avec la simulation et la prise en compte de l’incertitude. Il s’agit alors d’intégrer la diversité et la dimension de données disponibles, remontées au travers des différents services et/ou réseaux de capteurs. L’objet est de valoriser cette donnée et d’adapter les outils de prévision, de simulation et d’optimisation pour l’industrie notamment au service de la prise de décision ; cette
dernière se décline souvent dans un cadre combinant à la fois des problématiques de systèmes continus et de process discrets.

Profil du candidat et critères d’évaluation
Le candidat devra être titulaire d’un doctorat Mathématiques appliquées ou en Science des données.
Pour la recherche
L’objectif de l’enseignant-chercheur contractuel est de contribuer aux travaux en Science des données réalisés au sein du LIMOS pour répondre aux questionnements en termes de prévision dans le domaine de la fiabilité et/ou du contrôle, de la conception optimale et/ou de l’aide à la décision en lien étroit avec les problématiques sous-jacentes à l’industrie du futur.
Un des axes forts attendus mais non restrictifs sur ce poste, concerne le développement d’approches de modélisation stochastique communes à la prise en compte de données temporelles, multivariées, qualitatives ou qualitatives et souvent incertaines. Ce travail sera mené conjointement aux  différents projets déployés dans l’équipe en lien avec des questionnements industriels.
La contribution en recherche pourra être faite sous différentes formes : des développements théoriques, des applications et développements de prototype (packages dans différents langages scripts comme R, Matlab, Python…) s’inscrivant dans la plateforme IT’mFactory ou la plateforme DIWII sur le site de Lyon Charbonnière. Il est également attendu que ces contributions fassent l’objet de publications.

Liste non exhaustive de sujets potentiels pouvant être considérés:
– Apprentissage statistique sur flux de données (Stream data) ;
– Science et analyse de donnée pour données hétérogènes ;
– Modélisation statistique de données coûteuses, de données volumineuses ;
– Modélisation statistique et données fonctionnelles ;
– Méta-modélisation stochastique et numérique ;
– Modélisation de l’incertitude ;
– Optimisation et théorie de la décision ;
– Optimisation en grandes dimensions dans le flux de données ;

Contribution à l’enseignement
Le candidat doit être capable de couvrir un spectre relativement large dans l’enseignement des mathématiques réalisé en formation initiale du cycle Ingénieur Civil des Mines dans les domaines des méthodes numériques, probabilités et statistiques, science des données.
Le candidat recruté effectuera sa recherche au sein du laboratoire LIMOS UMR 6158 et il se verra confier les missions suivantes :
– Développement de l’activité de recherche, direction et supervision des travaux scientifiques associés (masters, .. etc.).
– Construire et animer un réseau de partenariats actifs avec des entreprises et des laboratoires de référence au niveau national et international,
– Renforcer la légitimité et l’influence de l’équipe par la promotion académique des travaux réalisés (publications, conférences), l’organisation d’événements et de congrès, les échanges avec des professeurs étrangers de renom, etc.
– Consolider et amplifier l’activité contractuelle en matière de transfert de connaissances et de résultats obtenus auprès du monde économique.

Consulter l’offre

Dépôt de candidature

#LIMOS

Commentaires Clos.