IR Machine Learning appliqué à l’océanographie (H/F)

Deadline : 14/10/2022

Océanographie

CNRS

Plouzané, France

#océans #recherche #emploi

Le Laboratoire d’Océanographie Physique et Spatiale (LOPS) d’IFREMER Brest recrute un ingénieur de recherche spécialisé en machine learning appliqué à l’océanographie.

Structure d’accueil

Le Laboratoire d’Océanographie Physique et Spatiale (LOPS) est une Unité Mixte de Recherche (CNRS / Ifremer / IRD / UBO.

Les quatre équipes de recherche du LOPS (Océan côtier, Océan et climat, Interactions d’échelles océaniques, et Satellites et interface air-mer) conduisent des programmes de recherche en océanographie qui contribuent au développement des connaissances sur la dynamique des océans à différentes échelles de temps et d’espace et sur les relations entre l’océan et d’autres compartiments du système terrestre comme l’atmosphère, les glaces et les organismes vivants.

Description du poste

Basé à Plouzané (France) à l’IUEM, l’ingénieur(e) sera intégré(e) à l’équipe « Océan et climat » du LOPS.

Sous la responsabilité des porteurs et collaborateurs du projet Elodie Martinez et Thomas Gorgues biogéochimistes au LOPS (Brest), Matthieu Lengaigne océanographe physicien spécialiste du climat à MARBEC (Sète) ainsi que Ronan Fablet et Lucas Drumetz spécialistes en traitement du signal et intelligence artificielle au LabSTICC (Brest), les activités demandées pour ce poste seront les suivantes :

  • mise en place des outils et méthodes de machine learning – ML (supervisé, non supervisé, par renforcement, etc.) pour apprendre les relations entre certaines variables d’intérêts en biogéochimie (comme la Chl ou le coefficient de rétrodiffusion) et des prédicteurs physiques océanographiques et atmosphériques (température, vent, etc..). L’apprentissage se fera grâce aux observations issues de la télédétection spatiale sur la période 2002-2022.
  • application ces schémas de ML à des prédicteurs physiques provenant i) de plusieurs réanalyses océaniques et atmosphériques sur les dernières décennies (telle que ECMWF-ORA-S5 disponible sur une grille de 1/4° depuis 1958); ii) de plusieurs modèles climatiques du Coupled Model Intercomparison Project Phase 6 (CMIP6) “hautes résolutions” (1/4°), pour reconstruire des séries temporelles multi-décennales passées et futures des variables biogéochimiques (permettant dans un cadre plus long que celui du poste proposé ici, d’évaluer les incertitudes des projections climatiques liées à la formulation des modèles physiques).
  • mise en place des méthodes lors des phases d’apprentissage et/ou de reconstruction pour estimer l’importance relative des variables prédictives.

Profil et compétences

  • Doctorat ou diplôme d’ingénieur en océanographie physique ou machine learning
  • Connaissances approfondies des techniques de machine learning et des outils numériques utilisés pour les algorithmes de machine learning et de big data (Python, keras, etc.)
  • Capacités à proposer des approches variées de machine learning appliquées aux observations satellites et sorties de modèles numériques
  • Connaissances en mécanique des fluides et/ou atmosphère et/ou océan appréciées

Qualités professionnels

  • 1 à 4 années d’expérience idéalement requises
  • Bonne compréhension et expression orale et écrite en anglais
  • Goût pour le travail d’équipe, le partage de compétences et les projets ambitieux,
  • Capacité et volonté affirmée à travailler en milieu inter et transdisciplinaire.

Type de contrat

CDD, 12 mois

Lieu de travail

Plouzané, France

partagez l’article sur les réseaux