Ingénieur pédagogique

Il y a 1 jour

Grenoble, Auvergne-Rhône-Alpes, France Grenoble INP - Institut Polytechnique de Grenoble Temps plein

Contexte / Mission principale

L’ingénieur.e contribuera à la transformation et à la modernisation des enseignements en traitement et analyse d’images, notamment par l’intégration progressive de méthodes d’intelligence artificielle, d’apprentissage automatique et d’apprentissage profond.

Cette mission s’inscrit dans la chaire PHAIMS – Physics-aware AI for Imaging Science https://miai-cluster.univ-grenoble-alpes.fr/fr/recherche/chaires/phaims-physics-aware-ai-for-imaging-science-from-space-to-atoms-1641665.kjsp de l’institut MIAI Cluster, dont l’un des objectifs est de développer un ensemble cohérent, mutualisé et réutilisable de ressources pédagogiques sur l’IA appliquée à l’imagerie, en lien étroit avec les activités de recherche et les cas d’usage développés dans le projet.

Une attention particulière sera portée aux enseignements de 2e et 3e année de la filière SICOM, conjointement portés par Phelma et Ense3, ainsi qu’à certains enseignements de première année et à d’autres formations concernées par le projet PHAIMS.

En collaboration étroite avec les enseignants-chercheurs, l’ingénieur.e participera à la conception, au développement, à l’expérimentation et à la maintenance de ressources pédagogiques pratiques : notebooks Jupyter, travaux pratiques, démonstrations pour les cours, jeux de données et cas d’étude, visualisations scientifiques, tutoriels, corrigés et outils pédagogiques interactifs.

Ces développements pourront également contribuer à d’autres actions de formation de PHAIMS, notamment des formations spécialisées, des ressources en ligne ou des actions de formation continue.


Activités

  • Mettre en œuvre des méthodes de traitement et d’analyse d’images sur des cas pédagogiques progressifs

  • Introduire et expérimenter des méthodes de machine learning et de deep learning appliquées aux images

  • Développer des notebooks Jupyter, travaux pratiques, démonstrations interactives et exercices accompagnés

  • Préparer des jeux de données, exemples d’application et cas d’étude adaptés aux objectifs pédagogiques

  • Produire des visualisations scientifiques, figures explicatives et outils interactifs facilitant la compréhension des concepts

  • Intégrer progressivement des méthodes modernes de vision par ordinateur et d’IA dans les enseignements existants

  • Développer des exemples liés à différents domaines d’application, notamment l’imagerie multidimensionnelle, multimodale, médicale ou de télédétection selon les enseignements concernés

  • Rédiger et mettre à jour des supports de travaux pratiques, tutoriels, corrigés et documentations techniques

  • Valider, tester et effectuer la maintenance des ressources développées

  • Mettre en place des pratiques favorisant la reproductibilité des expériences et la réutilisation des ressources

  • Organiser et mutualiser des codes, données et supports afin de permettre leur utilisation dans plusieurs enseignements et formats de formation

  • Accompagner les enseignants dans l’intégration de ces ressources au sein de leurs cours, travaux pratiques et projets

  • Présenter, documenter et valoriser les ressources développées auprès des enseignants, étudiants et partenaires impliqués dans le projet PHAIMS

  • Participer aux réunions mensuelles avec la cheffe de projet Pédagogie de MIAI Cluster en vue, par exemple, de partager les contenus produits, participer à la création de la librairie de ressources en ligne ou à des forums / ateliers de sensibilisation à l’IA ou tenue de stand dans des salons / journées portes ouvertes pour le compte de MIAI


Compétences requises

  • Programmation scientifique en Python

  • Traitement et analyse d’images

  • Machine learning et deep learning

  • Utilisation de bibliothèques scientifiques et d’apprentissage automatique en Python

  • Développement de notebooks Jupyter et de ressources pédagogiques numériques

  • Capacité à manipuler, analyser et visualiser des données d’imagerie

  • Esprit de synthèse, rigueur, autonomie et capacité d’organisation

  • Aptitude au travail en équipe et à la collaboration avec des enseignants-chercheurs

  • Intérêt pour la pédagogie, la transmission scientifique et le développement de ressources destinées aux étudiants


Compétences recommandées

  • Vision par ordinateur

  • Télédétection et traitement d’images multidimensionnelles ou multimodales

  • Expérience avec des frameworks de deep learning tels que PyTorch ou TensorFlow

  • Bonnes pratiques de développement logiciel : Git, gestion de versions, documentation, tests et reproductibilité

  • Création de visualis