SOLTIS - Stage Développement de stratégies de simulations de schémas de sélection appliquées à l’amélioration du tournesol
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.
Ce stage sera réalisé au sein de l’équipe Analytics & Breeding Support dédiée à l’analyse de données, aux développements méthodologiques et plus largement au support des programmes de sélection.
La simulation de schémas de sélection est une approche de modélisation mathématique et informatique qui permet de reproduire virtuellement l'évolution d'une population animale ou végétale sur plusieurs générations, afin de prédire et d'optimiser le progrès génétique.
L’objectif de ce stage est de tester différentes stratégies de simulation, de la création de la population fondatrice à la génération des différentes étapes du schéma de sélection.
Dans le cadre du développement de notre activité simulation de schémas de sélection, nous proposons à l’étudiant(e) de participer aux axes de travail suivants :
Travail sur le développement d’une population fondatrice à partir de données entièrement simulées et à partir de données réelles.
Implémentation des stratégies de sélection proposées par les sélectionneurs et optimisation des paramètres clés du schéma.
Revue bibliographique des méthodologies de simulations de schémas de sélection utilisées aujourd'hui (toutes espèces confondues).
Proposer des visualisations dynamiques et didactiques des principaux résultats de simulation.
Vous êtes étudiant(e) en Master2 ou en école d’ingénieur, avec une formation en génétique animale/végétale, statistiques ou analyse de données.
Une première expérience ou une appétence pour l’analyse de données scientifiques et/ou la génétique quantitative est souhaitée.
Savoir-faire
Maîtriser R pour le développement des scripts de simulation des schémas de sélection puis le traitement et l’analyse des résultats.
Réaliser des analyses statistiques.
Comprendre et interpréter des données de génétique quantitative.
Première expérience sur l’environnement Linux et Git souhaitée.
Savoir-être
Faire preuve de rigueur et de curiosité dans l’analyse des données.
Capacité à travailler en équipe.