Maître-assistant Associé au Centre de Geosciences

     
RecruteurMINES Paritech
Parution7 Avril 2017
Lieu de travailParis, Ile-de-France, France
CatégorieSciences de la Terre
Mathématiques
FonctionChercheur avancé / postdoc

Description

OFFRE DE POSTE DE MAITRE-ASSISTANT ASSOCIÉ A MINES PARISTECH (DURÉE DE CONTRAT : 6 MOIS A COMPTER DU 1

er

JUILLET 2017)

1 /

MISSIONS DU CENTRE D’AFFECTATION

:
Installé à Fontainebleau, le centre de Géosciences, structure de recherche et d’enseignement commune à MINES ParisTech et à l’association de recherche contractuelle ARMINES, développe ses activités dans le cadre des Sciences de la Terre et de l’Environneme nt. Ses compétences de recherche portent sur la géologie, la géotechnique, la géophysique, la géostatistique, l’hydrogéologie, la géochimie, la géologie de l’ingénieur et la géomécanique.
Ses thèmes couvrent des sujets aussi variés que l’exploitation des matières premières minérales et des combustibles fossiles, les stockages en souterrain, la gestion des ressources en eau et l’étude des milieux . Le Centre participe à l’enseignement du cycle ingénieur civil de MINES ParisTech, de spécialités doctorales, .

2 / FONCTIONS PRINCIPALES PROPOSÉES
: Outre des missions d’enseignement pouvant être prévues par le statut des maîtres-assistants associés, les fonctions principales sont les suivantes : Les équipes de géophysique et de géostatistique ont développé au gré de leur collaboration une expertise . Cette approche permet une caractérisation . Cette quantification des incertitudes est primordiale pour l’utilisation faite de ces modèles de vitesse dans des interprétations sismologiques (microsismicité, imagerie ...). La tomographie Bayesienne repose sur une paramétrisation du modèle de vitesse qui permet . La complexité du problème de tomographie bayésienne croit avec le nombre de paramètres mais il est difficile de représenter des hétérogénéités fines avec un faible nombre . Récemment, nous avons abordé une nouvelle paramétrisation basée sur la méthode du . Cette approche, à la lisière des statistiques et du traitement du signal, stipule qu’un signal peut être reconstitué parfaitement à partir d’un faible nombre de mesures sous l’hypothèse qu’il s’exprime de façon parcimonieuse dans une base donnée.
L’idée est alors de considérer ces mesures comme paramètres du modèle de vitesse. Le compressive sensing permet ainsi de représenter le modèle de vitesse avec un très faible nombre de paramètres tout en assurant une description fine des hétérogénéités.
Ceci permet donc d’envisager d’estimer efficacement les incertitudes du modèle de vitesse dans le cadre des grandes acquisitions . Le maître-assistant associé aura la charge de poursuivre ces travaux.


  • 3 / PROFIL RECHERCHÉ
    : Titulaire d’une thèse en géosciences ou en mathématiques appliquées, le candidat devra maîtriser à la fois les concepts de géophysique, géostatistique, statistique (chaînes de Markov) et machine learning mis en ?uvre dans le sujet proposé.
    Le candidat devra par ailleurs faire montre d’une maîtrise de s langages de programmation C++ et R pour l’implémentation des méthodes retenues.

    4 / DÉPÔT DES CANDIDATURES
    Les dossiers de candidatures (lettre de motivation + CV) seront à transmettre à l’adresse mail suiva nte recrutement [at] mines-paristech[.]fr pour le vendredi 14 avril 2017 au plus tard.

Web

Lors de votre postulation, veuillez vous référer à myScience.fr et indiquer la référence  JobID 2857.