Ingénieur F/H développement de chaîne algorithmique

Activités
Modélisation et formalisation : spécification de CSM/CSMC spatio-temporels (durées explicites, transitions dépendant de l’espace, covariables, politiques de décision).
Inférence paramétrique et non paramétrique : développement d’algorithmes d’estimation du maximum de vraisemblance (EM/ECM généralisés), décodage (Viterbi semi-markovien), filtrage/lissage (forward–backward à durées), sélection de modèles (critères informationnels, validation croisée).
Optimisation et contrôle : formulation et résolution de problèmes d’aide à la décision (MDP/POMDP semi-markoviens), calcul de politiques et analyse de sensibilité.
Simulation et calibration : simulateurs spatio-temporels, expériences numériques, étude de robustesse (données bruitées/manquantes), incertitudes (bootstrap, profils de vraisemblance).

Contexte scientifique et objectifs
Les chaînes semi-markoviennes (CSM) et chaînes semi-markoviennes cachées (CSMC) constituent, de longue date, un axe central de la modélisation stochastique au sein de notre laboratoire. Nos travaux ont produit des avancées théoriques et méthodologiques (asymptotique, estimation statistique), mais relativement peu de résultats algorithmiques et logiciels — déficit qui limite la valorisation de nos contributions et les synergies avec d’autres équipes.
Dans le cadre du projet ANR – INCA, nous recrutons un·e ingénieur·e chargé·e de concevoir, analyser, implémenter et valider des algorithmes de traitement et d’estimation pour CSM/CSMC, avec une application prioritaire à la modélisation spatio-temporelle de la propagation épidémique (p. ex. COVID-19). Les problématiques incluent notamment :
Temps d’atteinte régional d’un foyer épidémique initialisé en grande agglomération, en fonction de la géographie et des mobilités ;
Aide à la décision sous incertitude (quelles interventions à partir d’un état donné pour minimiser un risque).