environnement et contexte de travail

Campus : Madrillet

Composante de rattachement administratif : UFR des Sciences et Techniques

Laboratoire de rattachement : LITIS – EA 4108 ; équipe QuantIF ou équipe STI

Filière(s) : Portail IEEA, Licence EEEA, Licence Informatique parcours SD, Master Sciences et Ingénierie des Données parcours SD et GIME, Master Ingénierie de la Santé parcours IBIOM

description du poste

Profil pédagogique du poste : sciences du numérique, traitement numérique de l’information

Objectifs pédagogiques et besoins d’encadrement :

Le ou la candidat(e) s’impliquera principalement dans le domaine de l’informatique industrielle (sciences du numérique, architecture des ordinateurs, programmation microprocesseur et assembleur), essentiellement en 1ère année de Licence I.EEEA en sciences du numérique 1 et 2, où les besoins sont les plus critiques et la présence d’un animateur sur ces enseignements indispensable. Les travaux pratiques étant fondamentaux dans ce domaine, le (la) candidate devra s'investir dans l’organisation, le pilotage et la coordination de ces travaux pratiques, tout en s’impliquant également dans plusieurs groupes de TD et de TP pour assurer le suivi des innovations pédagogiques et s’assurer que ces innovations sont bien acceptées par les étudiants. D'autres enseignements plus spécialisés en master SID et master IBIOM en traitement d’images, vision, computer vision, medical image analysis et IA embarquée sont également à pourvoir tous les ans en cours/TD et TP.

D’autre part, le ou la candidat(e) devra s’investir particulièrement dans les actions en faveur de la réussite des étudiants et de l’insertion professionnelle. Il ou elle contribuera notamment à faire le lien entre les enseignements de Licence de 1ère année sur le numérique et la poursuite d’étude dans la filière Sciences des Données de la licence d’Informatique et du Master Sciences des Données. Il ou elle devra également avoir le souci de développer ces enseignements en lien avec la Graduate School MinMacs dans l’objectif d’internationaliser ces formations et contribuer à l’insertion professionnelle des étudiants.

Objectifs en termes d’internationalisation :

Le ou la candidat(e) devra pouvoir enseigner en anglais au niveau Master et contribuer à l’intégration de la filière Sciences des Données dans la Graduate School MinMacs. Il ou elle devra également prendre en charge le développement des échanges à l’international des étudiants de la filière sciences des données en master.

Profil recherche : traitement d’images / vision et perception

Compétences techniques recherchées :

Calcul scientifique, analyse de données, science des données, traitement d’images, imagerie médicale, vision, perception, apprentissage machine : développements sur les principales plateformes de calcul et langages de programmation tels que R, Matlab, Python, TensorFlow, Keras…

Compétences scientifiques recherchées :

Le ou la candidat(e) recherché(e) doit disposer avant tout d’une solide expérience de recherche en traitement d’images (imagerie médicale ou vision et perception), mais aussi en machine learning pour l’image. Il ou elle devra développer des recherches théoriques, méthodologiques, algorithmiques et expérimentales et contribuer au développement de l’imagerie médicale ou de l’analyse de scènes par les résultats des nouvelles applications du traitement des données à large échelle (machine learning, deep learning).

Le LITIS souhaite renforcer le potentiel d'encadrement d'une de ses équipes QuantIF ou STI en développant des recherches fondamentales à la frontière des mathématiques, de la science des données et de l’intelligence artificielle. Le ou la candidat(e) devra être en mesure d’animer, développer et fédérer les recherches en sciences des données et traitement d’images en Normandie, ceci afin de contribuer au développement de l’axe science des données tel que défini dans la Graduate School MinMacs soutenue par Normandie Université et l’Université de Rouen Normandie, mais aussi dans le cadre de la Fédération de Recherche CNRS NormaSTIC entre le LITIS et le GREYC.

L’équipe QuantIF est une équipe pluridisciplinaire constituée de 16 membres permanents dont 7,5 enseignants-chercheurs (2,5 en section 61 et 5 dans le domaine médical (exerçant au CLCC Henri Becquerel)). Elle souhaite donc renforcer son potentiel d’encadrement sur l’axe traitement des images afin d’équilibrer les thématiques et pouvoir mieux répondre à la demande du domaine médical. Les sujets développés concernent la segmentation d’organes ou de tumeurs en IRM, TEP/TDM, la prédiction et suivi thérapeutique en TEP/TDM, l’analyse et la classification des images de microscopie confocale in vivo du poumon, la fusion d’imageries multifonctionnelles en TEP-TDM, l’optimisation des mesures de volumes en TEP-TDM pour la définition du GTV en radiothérapie externe et intérêt pronostique de l’imagerie fonctionnelle en cours de radiothérapie, l’optimisation de l’imagerie synchronisée. En collaboration avec deux autres équipes du laboratoire (Apprentissage et TIBS) elle souhaite développer des techniques de prédiction fondées sur l’apprentissage machine combinant plusieurs modalités d’imagerie mais également d’autres sources d’information comme des analyses génétiques par exemple. L’équipe QuantIF est également impliquée dans de nombreux projets (Région, FEDER), de nombreuses collaborations académiques internationales (PHC, projet NIH (US), UCL Londres, U. Tianjing, Chine) et a organisé de nombreuses compétitions internationales en segmentation d’images (SegTHOR notamment).

L’équipe STI quant à elle compte 9 enseignants-chercheurs. Elle souhaite renforcer son potentiel d’encadrement sur les systèmes de perception et de vision pour l’aide à la navigation. Ses travaux concernent l’assistance à la conduite (détection de piétons, référencement orienté vision), la robotique mobile et le véhicule intelligent en abordant l’ensemble des problématiques, de la perception avancée de scènes à la décision temps réel. Elle s’intéresse aux systèmes embarqués en conditions dégradées et en milieux dotés de faibles infrastructures. Les systèmes d'assistance à la conduite requièrent une quantité importante de données pertinentes et actualisées pour être efficaces. Les travaux de l'équipe concernent donc l'acquisition, le traitement et la gestion de masses de données pour les transports intelligents. Les recherches de l’équipe STI s’appuient sur des collaborations avec les équipes Apprentissage et MIND, l’obtention l'année dernière d’une chaire IA au laboratoire LITIS, et le projet TIGA (Territoire d’Innovation) « Mobilité intelligente pour tous », lauréat du PIA3 porté par l’Agglomération de Rouen, et un projet CPER porté par l’INSA de Rouen sur la plateforme véhicule autonome. Ces travaux mettent également en synergie plusieurs équipes du campus du Madrillet : le CEREMA, l’IRSEEM et le LMI.

Un investissement dans le pilotage des relations internationales pour le laboratoire LITIS et pour les filières d’enseignement en Master est également demandé de la part de la personne recrutée. Cet investissement viendra renforcer la Graduate School MinMacs dans laquelle le laboratoire est impliqué.