Post-doc traitement de données satellite par ia (h/f)

Portail > Offres > Offre UMR8254-SYLDES-005 - Post-Doc Traitement de données satellite par IA (H/F)


Post-Doc Traitement de données satellite par IA (H/F)

Date Limite Candidature : lundi 17 mars 2025 23:59:00 heure de Paris

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler.


Informations générales

Intitulé de l'offre : Post-Doc Traitement de données satellite par IA (H/F)
Référence : UMR8254-SYLDES-005
Nombre de Postes : 1
Lieu de travail : PARIS 14
Date de publication : lundi 24 février 2025
Type de contrat : Chercheur en contrat CDD
Durée du contrat : 9 mois
Date d'embauche prévue : 1 juillet 2025
Quotité de travail : Complet
Rémunération : selon expérience entre 3081€ et 4756€ bruts mensuels
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent
Section(s) CN : 17 - Système solaire et univers lointain


Missions

Ce poste consiste à utiliser des méthodes de « deep learning », notamment des CNNs et « transformers » pour le traitement des données issues de l’instrument IASI du CNES. Ces observations sont des mesures de température de brillance observées par l’instrument IASI en orbite, un spectre de plus de 8000 canaux qui donne des informations à plusieurs longueurs d’onde dans l’infrarouge, pour estimer des variables environnementales comme les profils atmosphériques de température et de vapeur d’eau, ainsi que la température de surface. Cela implique la résolution d’un problème inverse, et nous souhaitons utiliser pour cela un modèle de réseaux de neurones. Notre groupe utilise ce type de méthodes depuis 30 ans, et le but est ici d’expérimenter des techniques récentes, capables d’exploiter les patterns spatiaux, gérer les données manquantes et estimer les incertitudes.


Activités

Ce type de travail est toujours caractérisé par les étapes suivantes :

1. Compréhension et construction de bases de données lourdes et complexes, d’origine diverse, qu’il faut colocaliser et projeter sur une grille commune.
2. Tests de divers modèles avec la définition de métriques pour diagnostiquer leur qualité. On s’oriente ici vers des méthodes de deep learning, à partir d’une expérience importante dans le groupe, tout en explorant les méthodes récentes les plus performantes. Un œil critique et une maîtrise parfaite des outils pour développer soi-même des modèles particuliers sont nécessaires pour ce travail.
3. Analyse des résultats pour quantifier les erreurs, analyser les avantages/inconvénients de chaque modèle, et éventuellement utiliser cette connaissance pour réitérer le développement des modèles.
4. Phase de reporting pour faire des supports de présentation, rédiger un rapport et un article scientifique (anglais requis).


Compétences

Les compétences requises sont :

* Un très bon niveau en programmation, en Matlab et Python.
* Une très bonne maîtrise des données satellites, en télédétection, en géosciences.
* Une maîtrise des outils de mathématiques appliquées, notamment en statistique et machine learning.


Contexte de travail

Ce travail est financé par le CNES, dans le cadre d’un soutien aux laboratoires pour développer les algorithmes de traitement des données satellite de nouvelle génération. De nouvelles missions spatiales arrivent (IASI-NG, MSG third generation) et il faut développer des méthodes innovantes et performantes capables de traiter une masse de données de plus en plus importante et complexes. Le post-doc travaillera sous la responsabilité de Filipe AIRES et Catherine Prigent, dans le pôle « Planétologie » du LIRA. Il sera entouré de plusieurs chercheurs/doctorants travaillant dans le domaine de la télédétection satellite. Le travail sera effectué sur le site de Paris de l’Observatoire de Paris.

#J-18808-Ljbffr