Mission : Nous recherchons une ingénieure ou un ingénieur d'études (IE) motivé pour rejoindre le groupe AI for Genome Interpretation (AI4GI) à l'IGMM (CNRS UMR5535, Montpellier) pour une durée de 12 mois. Le contrat peut être renouvelé sous conditions pour 36 mois supplémentaires si le projet passe les étapes d'évaluation. Avez-vous étudié l'informatique, les mathématiques ou la physique et êtes-vous en train de devenir une experte ou un expert en machine learning ? Êtes-vous à l'aise avec la programmation par tenseurs et opérations vectorielles (PyTorch, NumPy) ? Connaissez-vous en profondeur les méthodes de machine learning et aimez-vous construire des réseaux de neurones from scratch ? Aimez-vous développer de nouvelles architectures de réseaux de neurones pour résoudre des problèmes non conventionnels ? Ce poste pourrait être pour vous. Nous recherchons une candidate ou un candidat motivé et curieux, avec une expérience dans le développement de méthodes de machine learning pour la bioinformatique. L'ingénieure ou l'ingénieur d'études recruté aura pour mission de concevoir et développer des méthodes innovantes de machine learning et de deep learning appliquées à l'interprétation du génome. La personne contribuera au développement de nouvelles architectures de réseaux de neurones combinant des DNA Large Language Models et des approches d'apprentissage profond, dans le cadre du projet GenGI, visant à prédire des phénotypes humains à partir de données de séquençage à grande échelle. La personne participera également à l'intégration de ces méthodes dans un environnement de recherche interdisciplinaire à l'interface entre intelligence artificielle, bioinformatique et génétique. Activités : Le candidat ou la candidate devra : • Commencer par se familiariser avec les recherches et méthodes existantes pour l'interprétation du génome • Se familiariser avec les données de séquençage et leur prétraitement • Étudier le fonctionnement des DNA LLM et développer des solutions pour les intégrer dans les architectures de réseaux de neurones développées par le laboratoire • Se concentrer sur le développement de solutions bas niveau pour la scalabilité des réseaux de neurones et des modèles de langage à grande échelle appliqués aux données de séquençage du génome entier • Développer from scratch des algorithmes et architectures de réseaux de neurones pour la prédiction de sorties structurées (c.-à-d. arbres, graphes) • Implémenter et développer des méthodes pour l'interprétation des prédictions et des sorties des réseaux de neurones, incluant des activations basées sur des concepts et des analyses contrefactuelles Le projet se concentre sur le développement de nouvelles architectures de réseaux de neurones pour effectuer de l'inférence sur des données de séquençage.