Ingénieur-e en apprentissage automatique – Traitement du signal, analyse d'image et intégration FPGA

Affectation : UMR 7199, Chimie Biologie Synthétique et Thérapeutique / Equipe Chimie Biofonctionnelle

Emploi ouvert aux agents contractuels uniquement
CDD de projet de 12 mois (renouvelable sous condition) à compter du 15/09/2025

Catégorie : A        Corps : Ingénieur d'études
Rémunération selon grille de la Fonction Publique 

Mission: 
Nous recherchons un·e ingénieur·e en apprentissage automatique talentueux·se et motivé·e, avec une expertise en traitement du signal, analyse d’image, programmation FPGA et développement sous LabVIEW, pour rejoindre notre équipe. La personne retenue participera à des projets combinant intelligence artificielle, analyse de données en temps réel et études de populations cellulaires en microfluidique. Ce poste requiert une solide expérience en programmation Python, en gestion de jeux de données et en intégration de systèmes matériels. Des connaissances en microscopie à fluorescence, en optique et en logiciels de CAO (notamment AutoCAD) constituent un atout.
Dans le cadre de recherches visant à développer une méthode d’analyse rapide de la sécrétion de cytokines à l’échelle de la cellule unique, la personne recrutée sera chargée de concevoir et d’intégrer, au sein d’une station microfluidique, un système de traitement du signal permettant de quantifier la sécrétion, ainsi qu’un système de reconnaissance d’image destiné à associer la présence d’une cellule à un événement de sécrétion.
Les performances de cette nouvelle technologie seront comparées à celles des méthodes de référence, telles que l’ELISPOT et les dosages en puits. Dans ce projet interdisciplinaire, elle collaborera étroitement avec les chercheurs et ingénieurs de l’équipe, ainsi qu'avec d'autres plateformes d’analyse, pour l’optimisation du système microfluidique, des logiciels, des tests biochimiques, etc.
La personne recrutée pourra être formée aux techniques de base en microfluidique utilisées dans le projet, ainsi qu’à toute autre compétence complémentaire qu’elle ne maîtriserait pas encore suffisamment. Un prototype de plateforme fonctionnel, intégrant les modules microfluidiques, de lecture optique et de détection par fluorescence, est déjà disponible et servira de base au développement.

Activités principales :
Apprentissage automatique et analyse de données : Développer des modèles de machine learning pour le traitement du signal et la classification de données temporelles, concevoir des algorithmes d’analyse d’image pour des applications en temps réel.
Intégration matérielle : Travailler avec des systèmes FPGA pour le traitement à haute vitesse et développer des programmes sous LabVIEW pour l’acquisition et le contrôle des données.
Microfluidique et imagerie : Intégrer l’analyse d’image aux données de fluorescence pour enrichir les études de populations en microfluidique.
Gestion des données : Organiser, prétraiter et stocker de grands jeux de données afin d’optimiser les flux de travail en apprentissage automatique.