Ingénieur de recherche en machine learning appliqué à l’océanographie H/F

 
Published
WorkplaceParis, Ile-de-France, France
Category
Position
Centre National de la Recherche Scientifique

Ingénieur de recherche en machine learning appliqué à l’océanographie H/F

Date Limite Candidature : vendredi 14 octobre 2022

Informations générales

Référence : UMR6523-CATMOC-004
Lieu de travail : PLOUZANE
Date de publication : vendredi 23 septembre 2022
Type de contrat : CDD Technique/Administratif
Durée du contrat : 12 mois
Date d’embauche prévue : 21 novembre 2022
Quotité de travail : Temps complet
Rémunération : entre 2 609¤ et 2 796 ¤ bruts mensuels selon expérience
Niveau d’études souhaité : Doctorat
Expérience souhaitée : 1 à 4 années

Missions

L’ingénieur.e conduira un projet d’application de méthodes de machine learning à des observations satellites de variables d’intérêt biogéochimique et océanographique.

Activités

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), vos activités seront les suivantes :
  • Mettre 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.
  • Appliquer 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).
  • Mettre en place des méthodes lors des phases d’apprentissage et/ou de reconstruction pour estimer l’importance relative des variables prédictives.

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
  • 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.

Contexte de travail

Ce CDD s’inscrit dans le cadre du projet ANAPAIS financé par le CNES. Les objectifs sont d’apprendre les relations entre, d’une part, des variables océanographiques et atmosphériques d’intérêts et, d’autre part, des composantes biogéochimiques telles que la concentration en Chlorophylle (Chl) sur les 20 dernières années, afin de reconstruire les séries temporelles de ces variables biogéochimiques sur les 60 à 100 dernières années à partir des sorties physiques de modèles numériques et des méthodes de machine learning identifiées. Dans un second temps, l’étude de ces séries temporelles permettra de déconvoluer l’influence du signal anthropique de celui de la variabilité naturelle basse fréquence des variables biogéochimiques, et d’étudier les processus physiques en jeux.

Le poste est rattaché au Laboratoire d’Océanographie Physique et Spatiale (LOPS). Le LOPS est une Unité Mixte de Recherche (CNRS / Ifremer / IRD / UBO Les quatre équipes de recherche du LOPS (Océan côtier, Océan et climat, Intéractions 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. Basé à Plouzané (France) à l’IUEM, l’ingénieur(e) sera intégré(e) à l’équipe « Océan et climat ».
In your application, please refer to myScience.fr and reference JobID 34595.