Thèse
PhD Position: Statistical approaches to investigate and predict genomic vulnerability of populations and species, with applications to teosinte and maize - POURVU
The goal of the PhD project is to contribute to the development of innovative Genome-Environment Association (GEA) and Genomic Offset (GO) procedures that will build on recent advances in optimization and statistical inference.
Efficient methods for spatio-temporal models estimation
Thèse au sein de l'UMR MIA Paris Saclay d'AgroParisTech/INRAE (Lucia Clarotto) et du Centre de Géosciences de Mines Paris (Thomas Romary et Nicolas Desassis), dans le cadre de la chaire Geolearning.
Tous les détails sont disponibles dans le fichier joint.
Calage de modèle en grande dimension avec des méthodes d’apprentissage automatique pour aider à la gestion durable des pêches
Les candidatures sont possibles par courriel à pierre.barbillon@agroparistech.fr et stephanie.mahevas@ifremer.fr jusqu'au 13 mai.
Uncertainty quantification for operationalizing mechanistic soil function models
Les candidatures sont possibles par courriel à pierre.barbillon@agroparistech.fr et alexandre.wadoux@inrae.fr jusqu'au 15 mai.