Maître de Conférences en Statistique, Optimisation et Machine Learning F/H
Enregistrez cette offre et organisez votre recherche
Créez un compte gratuit pour enregistrer des offres d'emploi, créer des alertes et revenir à cette liste depuis votre tableau de bord.
En continuant, vous acceptez nos Conditions d’utilisation & Politique de confidentialité.
Enseignement
Assurer des enseignements en statistique, optimisation et machine learning, au niveau Licence et Master, au sein des formations portées par l’Université de Toulouse, notamment dans les cursus du département de mathématiques dédiés aux mathématiques appliquées aux sciences des données (innovation, recherche, alternance).
Consacrer une part de sa charge statutaire (64 heures) à la conception et à l’actualisation de ressources pédagogiques, incluant des cours, travaux dirigés, travaux pratiques ainsi que l’encadrement de projets étudiants en lien avec l’intelligence artificielle.
Participer à la création de Ressources Pédagogiques Numériques (RPN) réutilisables, telles que des Nuggets pédagogiques, et assurera le suivi, l’accompagnement et l’évaluation des étudiants, tout en prenant part aux jurys de formation.
Innovation pédagogique et vie collective
Contribuer activement au développement et à l’innovation des pratiques pédagogiques, notamment à travers la pédagogie par projet, l’utilisation d’outils numériques et l’intégration de cas d’usage en intelligence artificielle dans les enseignements.
Participer à la vie collective de la composante et au développement des formations dans le domaine de l’intelligence artificielle.
Dans le cadre du recrutement financé par l’Institut ANITI, la personne recrutée rejoindra la communauté des enseignants-chercheurs contractuels du site toulousain et pourra être amenée à contribuer à des actions collectives liées à la formation en intelligence artificielle : développement d’enseignements communs, formation continue, mutualisation de ressources pédagogiques et partage de bonnes pratiques.
Recherche
Contribuer aux activités de recherche et de valorisation scientifique menées au sein de l’Institut de Mathématiques de Toulouse (IMT), en lien, le cas échéant, avec les chaires de recherche de l’Institut ANITI.
La personne recrutée sera rattachée à l’une des équipes de recherche de l’IMT et participera au développement de projets scientifiques dans son domaine d’expertise.
Environnement scientifique
L’Institut de Mathématiques de Toulouse (IMT) offre un environnement scientifique d’excellence couvrant l’ensemble des champs des mathématiques. La personne recrutée bénéficiera ainsi d’un écosystème de recherche particulièrement riche, favorisant les collaborations interdisciplinaires et le développement de projets à fort impact scientifique.
Elle pourra notamment s’appuyer sur les structures et dispositifs suivants :
l’École Universitaire de Recherche MINT (Mathematics and INteractions in Toulouse) ;
le Labex CIMI (Centre International de Mathématiques et Informatique) ;
le Cluster d’Intelligence Artificielle ANITI ;
la Fédération régionale de recherche en mathématiques Occimath.
Plus largement, l’écosystème toulousain de recherche, tant académique qu'industriel, offre de nombreuses opportunités de collaborations, de valorisation et de partenariats dans les domaines des mathématiques appliquées, de la science des données et de l’intelligence artificielle.
Conditions générales du poste
Catégorie du poste : A
Corps de recrutement : Enseignant/Chercheur
Quotité de travail : 100%
Date de prise de fonctions souhaitée : Janvier 2027
Poste ouvert uniquement aux contractuels
Type de contrat proposé et durée pour les contractuels : CDD 24 mois
Localisation géographique : Université de Toulouse – 118 Route de Narbonne – 31062 Toulouse
Rémunération brute : Pour les contractuels : elle est comprise entre 2 638.61 € et 4 010.52 € en fonction de leur expérience sur des fonctions similaires.
Connaissances
Solides connaissances en statistique (probabilités, inférence statistique, modèles linéaires et généralisés)
Connaissances approfondies en optimisation (optimisation déterministe et stochastique, programmation linéaire/non linéaire, méta-heuristiques)
Maîtrise des méthodes de machine learning (apprentissage supervisé et non supervisé, deep learning)
Connaissance de l’écosystème de l’intelligence artificielle et de ses enjeux scientifiques et sociétaux
Savoir-faire techniques
Maîtrise des langages et outils de data science (Python, R, scikit-learn, PyTorch/TensorFlow, …)
Maîtrise des outils numériques pour l’enseignement (plateformes pédagogiques, calcul scientifique)
Savoirs comportementaux
Sens de la pédagogie et de la transmission
Compétences pédagogiques : conception de cours, TD, TP, évaluation des étudiants