CDD Post-Doctorant-e en Neurosciences computationnelles, H/F

Missions

Libellé du projet : Intégration de données multimodales, modélisation cognitive et inter-cognitive avec des approches d'intelligence artificielle
Description et date de fin prévisionnelle du projet : L'intégration des données multimodales pour élucider les processus et les réseaux neuronaux qui sous-tendent la cognition et le comportement, représente un défi majeur des neurosciences cognitives. Ceci intervient dans un changement actuel de paradigme, avec des modèles neurocognitifs récents qui considèrent que les comportements humains sont mieux compris si (a) une fusion des données issues de plusieurs modalités et (b) son tient compte des interactions complexes entre les fonctions cognitives. Il est donc fondamental de combiner des multiples sources de données, à la fois comportementales, cognitives et cérébrales. Leur fusion peut refléter des multiples facettes de la cognition et du cerveau, permettant de faire émerger des nouvelles propriétés du système, intrinsèquement multimodales.
Missions / fonctions assurées : Objectif du projet postdoctoral : (a) Utiliser l'apprentissage automatique IA Deep Learning pour développer un model pré-entrainé sur des larges bases de données (données spécifiées) disponibles en open-source, modèle à appliquer ensuite à de données des bases locales, (b)) comparer les résultats avec ceux issus d'autres méthodes d'apprentissage automatique de type ML. Globalement, le chercheur postdoctoral assurera un travail théorique et méthodologique focalisé sur l'apprentissage Deep Learning dans le domaine de la neurocognition langage/mémoire.

Activités

Travail théorique, méthodologique autour de la neurocognition du langage/mémoire et du Deep Learning
- Prise en main des bases de données externes et internes
- Travail sur données langage et mémoire pour mettre en place le modèle pré-entrainé prévu
- Tester le modèle sur d'autres données non-utilisées pour l'entrainement
- Valorisation de résultats (publications, communications nationales et internationales)

Compétences

Compétences attendues prioritaires :
Connaissances théoriques en neurocognition ; Connaissances méthodologiques en statistiques classiques et programmation ; Une maitrise complète du langage Python (PyTorch et/ou Tensor Flow) sera absolument nécessaire au moment de la prise de fonction ; Connaissances/expérience IA Deep Learning ; bonne maitrise de l'Anglais ; Travail en équipe, interactions avec les membres du laboratoire.
Diplôme PhD en neurosciences cognitives et/ou computationnelles; ou sciences cognitives
Expérience méthodologique: données neuroimagerie, avec méthodes IA Deep learning.

Contexte de travail

Laboratoire : Le Laboratoire de Psychologie et NeuroCognition, LPNC UMR CNRS une unité mixte de recherche (UMR) structurée en cinq équipes thématiques de recherche (Vision & Émotion, Corps & Espace, Langage, Mémoire et Développement & Apprentissage). Nous menons une activité de recherche en Sciences Cognitives, pluridisciplinaire, grâce à une approche combinée et complémentaire des disciplines appartenant aux champs des sciences humaines et sociales (telles que la psychologie, la linguistique, la neuropsychologie), des sciences de l'ingénieur appliquées à la cognition (telles que les mathématiques, la modélisation bio-inspirée et le traitement du signal) et des sciences de la vie (telles que les neurosciences, les sciences médicales ou la neuroimagerie). Notre laboratoire compte plus de 120 personnes permanentes et non-permanentes. Site web LPNC : https://lpnc.univ-grenoble-alpes.fr/

Équipe : Travail au sein de l'équipe Langage https://lpnc.univ-grenoble-alpes.fr/recherche/equipes-recherche/langage. Plus spécifiquement, dans cette équipe et par rapport au cadre théorique proposé dans ce travail de thèse, le Pr. Monica Baciu (https://lpnc.univ-grenoble-alpes.fr/membre/monica-baciu) a mis en place un groupe de travail incluant d'autres postdoctorants, doctorants et ingénieurs. Le travail proposé dans ce projet, vise à capitaliser sur les acquis de de ce groupe qui utilise la multi-modalité pour étudier la neurocognition et plus notamment dans la continuité du projet REORG, qui a permis de proposer le modèle L∪M, de développer une pipeline multimodale d'analyse de données en neuroimagerie, et d'acquérir une expérience avérée dans le domaine de l'IA, avec des approches robustes statistiques et mathématiques que nous avons déjà appliquées dans nos travaux précédents (Roger et al., 2019, Roger et al., 2019, Torlay et al., 2017). Autres collaborateurs du projet : Pr. Martial Mermillod (https://lpnc.univ-grenoble-alpes.fr/membre/martial-mermillod), Laurent Torlay IE CNRS et et Sonja Banjac post-doctorante. Dr. Marine Reyboz (IR CEA) et Dr. Sophie Achard (chercheuse LJK http://mistis.inrialpes.fr/people/achard/) vont également être impliquées dans ce travail de recherche.

Postuler sur le Portail Emploi