Ingénieur en Intelligence Artificielle - Machine Learning Appliqué à l'Océanographie H/F - 29

Le poste est rattaché au Laboratoire d'Océanographie Physique et Spatiale (LOPS). Le LOPS est une Unité Mixte de Recherche placée sous la tutelle du Centre National de la Recherche Scientifique (CNRS www.cnrs.fr), de l'Institut français de recherche pour l'exploitation de la mer (Ifremer www.ifremer.fr), de l'Institut de Recherche pour le Développement (IRD www.ird.fr) et de l'Université de Bretagne Occidentale (UBO www.univ-brest.fr). Il est également laboratoire de l'Institut Universitaire Européen de la Mer (IUEM). Le LOPS conduit des programmes de recherche en océanographie qui contribuent au développement des connaissances sur la dynamique des océans à différentes échelles de temps et d'espace et sur les relations entre l'océan et d'autres compartiments du système terrestre comme l'atmosphère, les glaces et les organismes vivants.

En lien avec les missions de sa tutelle IRD, le LOPS conduit des recherches d'océanographie régionale sur plusieurs « chantiers sud », avec des partenariats avec des pays en développement et des collectivités françaises d'outre-mer : en Afrique de l'Ouest, en Afrique Australe, et dans le Pacifique et l'Indo-Pacifique tropical. Les quatre équipes de recherche du LOPS (Océan côtier, Océan et climat, Interactions d'échelles océaniques, et Satellites et interface air-mer) sont impliquées dans ces chantiers.

Basé à Plouzané (France), l'ingénieur(e) sera intégré(e) à l'équipe « Océan et climat ».Sous la responsabilité du Directeur d'Unité, vos activités seront les suivantes :

- Soutenir les activités de recherches du laboratoire, notamment sur des chantiers au sud, visant à l'extraction de connaissances via des méthodes d'apprentissage automatique. Ces activités portent par exemple sur la construction de variables d'intérêts en océanographie à partir d'autres variables (régression), le développement de méthodes pour combler les observations manquantes de certains champs de données, etc. Ces approches seront appliquées aussi bien à des observations in situ, satellites ou des sorties de modèles numériques, notamment du climat,

- Dans ce contexte, mettre en place des outils et méthodes de machine learning (supervisé, non supervisé, etc.) et en assurer la maintenance et l'appropriation par l'ensemble des équipes du laboratoire,

- Contribuer au développement et la distribution d'outils communautaires sur ces thématiques, au bénéfice de la communauté nationale,

- Participer à la valorisation des résultats scientifiques obtenus (contribution aux publications, présentations, encadrement d'étudiants, notamment au Sud)