Aller au contenu principal
Accueil
Équipes
Équipe EkINocs
Équipe SOLsTIS
Équipe d'appui
Liste des membres
Recherche
Publications
Logiciels
Projets financés
Thèses
Post-doctorats
Animation
Séminaire d'unité
Séminaire des doctorants
Groupes de travail
Organisation d'événements
Offres d'emplois
Postes permanents
Thèses et Post-Doc
Stages
Offres d'emploi pourvues
Contact
Bilans GES
Se Connecter
Visitez notre page
Offres d'emplois pourvues
CPJ INRAE
Chaire Professeur(e) Junior
CR INRAE
Chargé.e de Recherches en Statistique et Intelligence Artificielle pour la génétique animale
PR AgroParisTech
Poste de Professeur(e) en Statistiques
MCF AgroParisTech
Poste de Maître de conférence en Informatique en Intelligence Artificielle (EKINOCS)
Poste de Maître de conférence en apprentissage statistique (équipe SOLsTIS)
Poste de Maître(sse) de conférences en Statistiques
Stage
Résolution de problèmes de viabilité multi-agents : exploration de modèles et recherche opérationnelle
Prise en compte des aléas et risques dans un jeu sérieux développé pour favoriser la transition agro-écologique.
Étude d’un concept numérique de jeu sérieux basé sur des approches IA appliqué à la diversification des systèmes agricoles.
Stage M2 - Inférence de modèles spatio-temporels par réseaux de neurones sur graphes
Stage complétion de définition d'ontologie en utilisant les LLM
Stage MS-PINN: Mechanistic-Statistical Modeling with Physics-Informed Neural Networks
Apprentissage de modèle génératif de scènes 3D de grandes cultures
M2 Internship/Stage de M2 - Estimation of spatio-temporal models by Graph Neural Networks
Stage de M2: Détection de rupture multivariée et classification de courbes pour l'analyse de cinétique de métabolites
stage M2: Agro-écologie et IA: construction d'itinéraires de patûrage ovins
M2 Internship: Physics Informed Neural Networks for parameter estimation in Stochastic Differential Equations
M2 Internship : improving inference of Poisson log-normal models with normalizing flows
Predicting Microbial Community Interactions using Physics Informed Neural Networks
Développement d’outils pour la recherche reproductible
Projet M2 Un jeu sérieux qui intègre des approches d’IA pour favoriser le « travailler ensemble » des agriculteurs
Développement d’un modèle d’exposition par inhalation aux pesticides
Stage M2: Développement d'un modèle probabiliste de diffusion pour la sélection phénomique appliquée à la prédiction multi- environnements.
Stage M2 : Modélisation statistique pour la dynamique physiologique des plantes via des approches d'apprentissage profond
Stage M1 ou M2: Analyse textuelle des études scientifiques évaluant l'impact des vers de terre sur l'environnement
Stage - Développement d’une procédure de segmentation pour la détection d’admixture en génétique des populations.
Stage M1 - Estimation de modèles spatio-temporels par deep learning
Stage GPINN: Physics-Informed Generative Neural Networks for stochastic PDEs
Co-constructing a graphical model through interactive visualization
Thèse
Uncertainty quantification for operationalizing mechanistic soil function models
Calage de modèle en grande dimension avec des méthodes d’apprentissage automatique pour aider à la gestion durable des pêches
Efficient methods for spatio-temporal models estimation
PhD Position: Statistical approaches to investigate and predict genomic vulnerability of populations and species, with applications to teosinte and maize - POURVU
Collaborative interactive machine learning : Co-constructing trustworthy predictive models to improve wheat quality assessments