Mots-Clés

Génomique, Bioinformatique, Analyse des données, Bigdata, Intelligence artificielle, Mathématique

Description

Recherche

Les recherches du (de la) candidat(e) pourront s’effectuer à l’UMR LRSV (CNRS/UT3/Toulouse INP) dans le domaine de la biologie computationnelle pour la génomique. Le LRSV comprend plus de 70 personnels statutaires (chercheurs, enseignants-chercheurs, ingénieurs et techniciens) et environ 50 personnels non permanents. Le laboratoire est localisé sur le campus INRAe d’Auzeville, à L'équipe GBF (Génomique et Biotechnologie des Fruits) est une des équipes d'accueil possibles pour ce poste. Nous sommes à la recherche d'un(e) futur(e) collègue intéressé(e) par le développement de nouveaux modèles et/ou le développement de nouvelles solutions numériques en se focalisant sur un ou plusieurs types de données multi-omiques. Le cadre d'étude de la personne recrutée est le développement du fruit et la maturation de la tomate.

Les recherches sur la biologie des plantes font appel de façon approfondie à des approches « omiques » demandant des expertises de plus en plus poussées en génomique, informatique et statistique, mais aussi en biologie des systèmes et en modélisation, afin d’intégrer des données hétérogènes pouvant allant du gène à la fonction.

Enseignement:

►Filières de formation concernées:

Formation des élèves ingénieurs agronomes de l'INP-ENSAT, dans les deux filières étudiants et apprentis, du niveau L2 (année préparatoire portée par
Toulouse INP) au niveau M2.

►Objectifs pédagogiques et besoin d'encadrement:

La personne recrutée sera en charge d’une partie importante de la formation d’ingénieur agronome de Toulouse INP ENSAT (niveaux L3 à M2) relative à l’informatique, au traitement et à l’analyse des données, ainsi qu’à leurs applications aux sciences du vivant. Elle sera chargée en particulier, au sein du cursus étudiant et apprenti :
De coordonner et de dispenser les enseignements en algorithmique et programmation. Cet enseignement apporte des compétences notamment en programmation impérative et objet. Des compétences dans des langages de programmation pour le calcul scientifique ou le développement Web seront appréciées, ou dans le domaine des enregistreurs de données (dataloggers), des microcontrôleurs programmables (type Arduino), ainsi que des nanoordinateurs (type Raspberry Pi).
De coordonner et d’animer les enseignements dédiés aux compétences numériques des futurs ingénieurs agronomes et au développement des savoir-faire en manipulation et analyse des données. Cette personne pourra également participer aux enseignements relatifs au traitement et à l’analyse de données : tests statistiques classiques, modèles linéaires (régression linéaire, ANOVA, …), analyse de données multidimensionnelles (ACP, AFC, ACM, …).
Dans le cadre des spécialisations de dernière année (niveau M2), la personne recrutée sera chargée de mettre en place un module dédié à l’apprentissage automatique pour la génomique (machine et deep learning). Elle assurera également le module « Fouille de données et apprentissage » pour la télédétection (AgroGéomatique et SIGMA).