Cifre - Doctorant Data Scientist Ffr-lnr

Le concept de « Player Load » se réfère aux contraintes et facteurs de stress imposés sur un joueur, qu'ils soient physiques, physiologiques, psychologiques, sociaux ou environnementaux.

Dans le domaine de la haute performance en rugby, cette charge de travail comprend les entraînements, les compétitions, ainsi que des aspects extra-sportifs tels que les voyages, les environnements extrêmes, la gestion de la nutrition et du sommeil, les relations interpersonnelles, et les interactions avec les sponsors et les médias (Quarrie et al., 2016).

La gestion de la « Player load » est devenue une stratégie essentielle pour optimiser la performance et préserver l'intégrité physique et psychologique des joueurs professionnels. La Fédération Française de Rugby (FFR) et la Ligue Nationale de Rugby (LNR) collaborent depuis plusieurs saisons afin de fournir aux clubs professionnels et aux équipes nationales des dispositifs d'accompagnement à la performance innovants, comme l'adoption d'une technologie commune de monitoring « GPS » pour l’ensemble des joueurs des championnats Top 14 et ProD2.

Dans ce contexte, un programme structurant de recherche a été élaboré, nécessitant le recrutement **_d'un doctorant CIFRE H/F_** pour une durée de trois ans.

L’objectif général de cette thèse de sciences est d’approfondir les connaissances liées à l’impact de la charge de travail sur la fatigue et le risque de blessure des joueurs de rugby à partir de données multiples (GPS, événements de match, questionnaires, données environnementales, etc.).

Avantages:

- Tickets restaurants
- Mutuelle
- 50% Transports

Intégré(e) au sein du département accompagnement à la performance, vous évoluerez dans un environnement stimulant, entre le Centre National du Rugby à Marcoussis (91) - siège de la Fédération Française de Rugby - et le siège de la Ligue Nationale de Rugby à Paris (17e), où se trouve également son laboratoire d’accueil.

Dans ce cadre, vous participerez activement aux missions suivantes:

- ** Structurer, nettoyer et organiser les bases de données issues de différentes sources (capteurs GPS, stats de matchs, suivi des commotions, etc.) ;**
- ** Automatiser les flux de données via des API et des interfaces de collecte ;**
- ** Mettre en œuvre des modèles statistiques avancés pour modéliser la relation entre charge, fatigue et risque de blessure ;**
- ** Contribuer à la création de tableaux de bord et visualisations interactives pour le suivi et la restitution des résultats (à destination de préparateurs physiques, staffs médicaux, analystes de la performance) ;**
- ** Collaborer avec les équipes scientifiques et sportives pour adapter les analyses aux besoins du terrain ;**
- ** Participer aux publications scientifiques, conférences et communications.**

Vous avez un Master 2 ou un diplôme d’ingénieur en Data Science, Statistiques ou Mathématiques appliquées ? Parfait

Les modèles statistiques (linéaires, non linéaires, mixtes, prédictifs, analyse de survie ) n’ont plus de secrets pour vous, et vous aimez autant les construire que les comprendre (et les expliquer).

Que ce soit en R ou en Python (ou mieux, les deux ), vous êtes à l’aise pour manipuler des données, les transformer, les explorer.

Les bases relationnelles et le SQL font partie de votre quotidien, tout comme la gestion de data sets massifs, parfois complexes, mais jamais intimidants.

Vous savez aussi interagir avec des API pour extraire et structurer des données propres et prêtes à l’analyse.

Vous aimez travailler en équipe, surtout quand elle est interdisciplinaire. Vous êtes curieux(se), autonome, rigoureux(se), et vous aimez plonger dans la littérature scientifique (en anglais bien sûr) pour approfondir vos analyses.

Si vous avez des bases en physiologie du sport, en performance, entraînement ou charge de travail, c’est un vrai plus.