Vous détenez un doctorat ou un diplôme d’ingénieur dans les

Ingénieur de recherche data science et modélisateur en cardiométabolisme - F/H

L'organisation "Virtual Twin for Human" de Dassault Systèmes réalise une veille scientifique et technologique permanente et développe des logiciels pour évaluer l'applicabilité de nouvelles technologies et connaissances scientifiques.

Ce service doit assurer un haut niveau de compétences dans tous les domaines technologiques, biologiques et biomédicaux de l'entreprise.

Au sein de l'équipe Metabolic Twin, notre mission est la conception de méthodologies prédictives afin d’individualiser le suivi des patients atteints de maladies cardiovasculaires et de choisir les traitements les plus appropriés.

Les maladies cardiovasculaires sont la première cause de mortalité dans le monde. La principale cause sous-jacente est l'athérosclérose, avec plusieurs facteurs de risque associés. Cependant, il existe une hétérogénéité significative du risque chez ces patients, non mesurable avec les outils prédictifs actuels.

Nous nous intéressons aux challenges liés à la modélisation et l’intégration de données cliniques et omiques, afin de fournir des technologies capables de modéliser les processus des maladies et l’effet des traitements sur n’importe quel patient. Un tel jumeau numérique est crucial pour la compréhension des pathologies, l’élaboration de traitements plus efficaces et l’accélération des processus de mise sur le marché de traitements innovants.

Vous intégrerez l'équipe en tant que Data Scientist.

Poste en CDI, basé à Vélizy Villacoublay (78)

Vous travaillerez en étroite collaboration avec les membres de l’équipe Metabolic Twin et serez en contact avec d’autres équipes de Dassault Systèmes ainsi que des partenaires. Votre rôle consistera à développer des algorithmes à la pointe de la recherche pour résoudre le défi de la transition des données médicales vers le monde virtuel, permettant de comprendre et d’analyser l’évolution de la maladie et l’effet d’un traitement. Vous serez en charge de la conception et de l’implémentation de composants logiciels visant à extraire les facteurs pertinents expliquant la survenue de certains événements cliniques, en commençant par améliorer des méthodes de risque permettant de cibler des populations de patients.

Tâches spécifiques :

* Étude et veille technologique des méthodes statistiques et de machine learning / deep learning appliquées à l’analyse de survie.
* Analyse, curation et prétraitement des données recueillies auprès des partenaires.
* Mise en place de nouvelles méthodes statistiques et architectures de modèle d’apprentissage pour améliorer les existantes.
* Contribution au développement de représentations graphiques illustrant l’interprétation des résultats statistiques obtenus.
* Intégration continue dans l'architecture logicielle de l'équipe et maintien d'une architecture de qualité.

Qualifications :
Vous détenez un doctorat ou un diplôme d’ingénieur dans les sciences informatiques ou mathématiques appliquées.

Vous avez une expérience d'au moins 4 ans au sein d’une équipe pluridisciplinaire, de préférence dans le domaine cardio-vasculaire et du métabolisme.

Compétences :
Connaissances solides en mathématiques appliquées, statistiques et analyse de données.
Pratique significative dans le développement logiciel, associée à une culture de l'informatique et de l’algorithmique.
Compétences en statistiques et Machine Learning/Deep Learning.
Bonne connaissance de Python et R, utilisation significative d’au moins une des librairies classiques d’apprentissage (TensorFlow, PyTorch).
Des connaissances en biologie et/ou en médecine seraient un plus.

Nous rejoindre c'est aussi :
Intégrer une entreprise scientifique au cœur de l’innovation technologique, portée par une forte croissance depuis plus de 40 ans.

Principaux avantages et bénéfices :
· Environnement multiculturel
· Cadre de travail convivial axé sur le bien-être et la santé (salles de sport & de musique, conciergerie…)
· Engagement en faveur de la diversité et de l’inclusion
· Politique dynamique de développement de carrière : plan de formation, mobilités internes, etc.

#J-18808-Ljbffr