CLASSIFICATION D'IMAGES DE MICROSCOPIE HOLOGRAPHIQUE POUR LA MICROBIOLOGIE

Type de poste
Niveau d'étude minimal
Dates
Durée du poste
Contrat renouvelable
Contrat non renouvelable
Date de prise de fonction
Date de fin de validité de l'annonce
Localisation
Nom de la structure d'accueil
Adresse

40 avenue Tony Garnier
69007 LYON
France

Contacts
Chloë MAHIEU
Email du/des contacts
job@bioaster.org
Description

Mission : La microscopie holographique est une technique d'imagerie permettant de capter à la fois la phase et l'amplitude des ondes lumineuses diffractées par un objet et d'obtenir, sans marquage et après reconstruction numérique, une information en 3 dimensions spatiales d'objets microscopiques même transparents. Ce gain d'information permet notamment d'obtenir une résolution supérieure à la microscopie classique, à grossissement égal, particulièrement bien adaptée à l'observation sans marquage d'objets microbiologiques.
L'objectif du projet est d'appliquer la microscopie holographique des souches bactérienne afin d'identifier leur phénotype. L'objectif du stage est de développer le modèle de classification à partir des images holographiques.

Rattachement : La mission sera rattachée au pôle data science et data management de BIOASTER, avec une forte interaction avec le pôle d'Ingénierie des Microsystèmes Biologiques et Optique Avancée

Principales activités :

Compréhension du prototype de microscopie holographique et de l'acquisition d'une base de données images
Développer un pipeline de classification d'images basé sur Python et le framework de deep learning TensorFlow
Intégrer le pipeline à l'infrastructure de calcul existante
Prendre en charge la communication de ses travaux

Compétences :

Élève ingénieur, master niveau Bac +5 en data science
Bonne connaissance et de l'apprentissage automatique, notamment des méthodes de clustering (kNN, DBSCAN, etc) et de classifications (réseaux de neurones convolutionnels, forêts aléatoires, etc.)
Bonne connaissance de Python, connaissance de la bibliothèque sckikit-learn ou d'un framework de deep learning
Connaissance générale de GNU/Linux (Red Hat, CentOS, Scientific Linux)
Bonne connaissance du français et de l'anglais scientifique et technique
Une connaissance en holographie numérique n'est pas requise

Aptitudes personnelles :

Capacité à travailler à l'interface de plusieurs champs disciplinaires
Rigueur et organisation
Esprit curieux et créatif
Bonnes capacités relationnelles (travail en équipe)
Respect de la confidentialité

Equipe adhérente personne morale SFBI
Equipe Non adhérente