Missions : Sous la responsabilité hiérarchique du responsable de l'unité Cardiovasculaire/respiratoire/métabolisme/nutrition (CaRMeN) et la responsabilité scientifique du coordonnateur du programme de surveillance du diabète, la personne recrutée sera chargée de développer deux algorithmes dans les bases de données du Système national des données de santé (SNDS) , visant à identifier : (1) les personnes atteintes d'un diabète de type 1; (2) les personnes à risque d'avoir un diabète non diagnostiqué. Activités : Au sein de l'équipe diabète et en collaboration avec l'équipe de data scientists de DATA, la personne recrutée aura pour mission: - D'effectuer une revue de littérature sur le développement d'algorithmes similaires ; - De s'approprier les bases de données de l'étude Entred 3 et de la cohorte Constances appariées aux données du SNDS pour entrainer les algorithmes d'identification respectivement du diabète de type 1 et du diabète non diagnostiqué; - De développer les algorithmes à partir de méthodes de type machine learning ; - De tester ces algorithmes à partir d'autres bases de données appariées au SNDS (Esteban, registre Rein, cohorte SFDT1...) - De déployer ces algorithmes dans le SNDS au niveau national - De valoriser ces travaux par des communications en congrès et des articles scientifiques - De répondre aux livrables attendus par les coordinateurs des WP7 et WP8 de Jacardi L'agent bénéficiera d'une habilitation aux données du SNDS. L'agent participera aux astreintes de semaine et de week-end de Santé publique France. Il bénéficiera d'une formation à cet effet. Il participera également à toute activité entrant dans les missions de l'Agence et dans le champ de ses compétences si cela s'avère nécessaire, en situation d'urgence, de crise ou de nécessité de service. Profil recherché : - Bac+5 - Master en sciences ou Ingénieur - 2- 3 ans d'expérience dans le domaine de la santé - Il est attendu pour ce poste : - Une bonne compréhension des principes d'intelligence artificielle - Maîtrise des méthodes de statistique inférentielle et modélisation mathématique . Analyse de variance . Modèle d'apprentissage Supervisé/Apprentissage Non Supervisé (Machine Learning) . Optimisation et sélection de modèles - Maîtrise des algorithmes pour la modélisation mathématique . Régression linéaire / logistique . Arbre de décision . Random Forest / Gradient Boosting . SVM . Réseaux de neurones - Feature engineering / Data cleaning - cleansing - Maîtrise de la programmation sous R avec une connaissance des librairies . Dplyr . Caret - Connaissance du logiciel SAS - Une appétence pour les travaux du secteur de la recherche en données de santé est souhaitée ;