INGENIEUR DEVELOPPEMENT D'APPLICATIONS SCIENTIFIQUES LIEES A
L'EXPLOITATION DE DONNEES TEXTUELLES

Type d'offre : Ingénieur de recherche (ou post-doctorant.e) en sciences
des données 
Contrat à durée déterminée de 12 mois, à pourvoir en février 2016. 

Lieu de travail: Champs-sur-Marne - Université Paris-Est
Marne-la-Vallée, LISIS (RER A Noisy-Champs)

Mots-clés : Programmation, Algorithmique, Open Science, Analyse de
Données Textuelles. 

Le/la post-doctorant(e) sera partie prenante du projet FULLAB, un projet
retenu dans le cadre de l'appel à projets « chantiers d'usage » d'ISTEX
(www.istex.fr), qui vise à travailler sur un corpus hétérogène de
plusieurs milliers d'articles plein textes en sciences environnementales
et s'appuie sur 2 composantes de recherche et de formation de la
Communauté d'Universités et d'Etablissements (ComUE) Paris-Est : la
Direction de la documentation de l'Ecole des Ponts ParisTech ; l'axe 4 «
Analyse des traces digitales des sciences en société » du Laboratoire
Interdisciplinaire Sciences Innovations Sociétés (LISIS). 
S'appuyant sur l'archive ISTEX, le projet vise à comparer la quantité
d'informations livrée par l'abstract avec celle du full-text de
l'article qu'il résume et de "calculer" alors un taux de générosité de
l'abstract, et une distribution de catégories (types d'arguments,
catégories d'entités nommées). 


Affectation : Le projet FULLAB est porté par le Laboratoire
Interdisciplinaire Sciences Innovations Sociétés (LISIS), une unité de
recherche créée en 2015 qui est à la fois une Formation de Recherche en
Evolution CNRS et une UMR INRA. Le LISIS, qui compte une soixantaine de
membres, a un programme de recherche explicitement consacré à
l'innovation et à l'étude des liens entre sciences, politiques,
techniques et société. L'unité participe au renouvellement des approches
scientométriques classiques à travers un enrichissement des questions et
des corpus textuels traités (publications scientifiques, brevets, média,
blogs, réseaux sociaux, forums, etc.), notamment à travers son axe 4
dans lequel ce projet s'inscrit. 
Le LISIS est membre de plusieurs réseaux universitaires en Europe et en
particulier du Labex SITES (Sciences, Innovation et Techniques en
Société) depuis 2011 (http://ifris.org/labex/).
FULLAB s'insère également dans le programme de recherche collaboratif
EXIA (Extraction d'Information et Applications) qui vise, au sein du
campus de la Cité Descartes et plus largement de la ComUE, à fédérer des
synergies autour d'activités promouvant la détection et l'exploitation
d'entités (nommées ou typées) issues de l'information textuelle diverse
et variée (medias sociaux, littérature scientifique, rapports
techniques). Concrètement, il s'agit de proposer et de développer des
chaînes de traitement et des approches de résolution de problèmes sur
des jeux de données bien identifiés (corpus). 


Description du poste : 
Le projet est structuré autour de deux activités majeures : 

- le travail (principal) empirique de constitution des corpus et de
  développement logiciel autour de l'outil ; il permettra par là même de
  mettre à l'épreuve le dispositif de mise à disposition des données
  ISTEX
- l'élaboration d'un cadre analytique autour d'une revue de la
  littérature et de l'écriture de publications, tant sur le résultat de
  la comparaison abstract/full-text que sur le dispositif ISTEX en
  lui-même

Ces activités seront menées en collaboration avec trois autres
chercheurs (voir contacts).

Les tâches du projet sont les suivantes :
1. Revue de la littérature et analyse des développements existants
   d'ISTEX
2. Travail empirique et automatisé de constitution des corpus
3. Etude des indices de diversité lexicale et définition d'un indice de
   générosité
4. Extraction d'Entités Nommées 
5. Utilisation des outils ISTEX existants
6. Etudes de cas sur différents corpus et validation avec des experts
7. Mise en place d'une interface web qui intègre l'accès aux
   sous-corpus, ainsi que les briques logicielles de traitement de
   données (R notamment)
8. Présentation sur le site d'ISTEX des expérimentations

Activités connexes : participer aux réflexions de traitement quantitatif
de données qualitatives ; développer et mettre au point les algorithmes
du projet et leur implémentation (codage de scripts) ; Contribuer aux
livrables du projet (notes techniques, rapports, logiciels) ; présenter
les travaux et les résultats (à l'oral comme à l'écrit, en français et
en anglais)

Formation et expérience souhaitées : titulaire d'un doctorat en
informatique / data sciences 

- Compétences en programmation   
- Maitrise (ou connaissance approfondie) d'au moins un des langages
  Java, Perl, Python, R 
- Compétences en parallélisme, en particulier les paradigmes Hadoop,
  Spark, OpenMP, MPI 
- Connaissances en optimisation de code pour la performance 
- Connaissance des méthodologies de gestion de projet informatique et
  des méthodes de text mining (TAL, Apprentissage automatique,
  classification) 
- Capacité à travailler en équipe et en collaboration avec des personnes
  d'autres domaines de compétences 
- Autonome dans la conduite, la rédaction et la présentation des travaux
  confiés 
- Bon niveau d'anglais technique 

Comment candidater : 
- Date limite de réception des candidatures : 7 février 2016 
- Joindre au dossier :
  - Un Curriculum Vitae 
  - Une lettre de motivation 
  - Des exemples de réalisation de codes et/ou d'architecture
    logicielle.

Le dossier est à envoyer par courriel à Nicolas Turenne avec une copie à
Marianne Noel et Frédérique Bordignon.

Les entretiens seront réalisés de préférence à Champs-sur-Marne dans la
semaine du 9 au 12 février 2016 (possibilité d'entretien par Skype).

Contacts : 
Frédérique Bordignon - frederique.bordignon@enpc.fr - 01.64.15.34.62 
Marianne Noel - noel@ifris.org - 06 78 33 40 98 
Nicolas Turenne - nturenne@u-pem.fr -	01.60.95.71.20