Chercheur (post-doctoral) en modélisation de cas cliniques (H/F)

Description

Titre complet du poste : Chercheur (post-doctoral) en modélisation de cas cliniques pour la formation médicale (f/h)

Présentation de la structure : Le Laboratoire d'Informatique de Grenoble abrite 24 équipes de recherche composées de 450 enseignants chercheurs, chercheurs, personnel de recherche et personnel administratif. La recherche au LIG est organisée en 5 axes de recherche autour de la donnée, les systèmes et protocoles, les modèles et langages, et les interfaces. En savoir plus sur le LIG.

Vous intégrerez l'équipe de recherche DAISY, dirigée par Prof. Silviu Maniu. Elle se compose de 4 enseignants chercheurs, d'une DR CNRS, et de plusieurs thésards, postdoctorants, ingénieurs et stagiaires. L'équipe DAISY travaille sur les données, l'Intelligence Artificielle, et le passage à l'échelle et applique ses travaux dans plusieurs domaines comme l'éducation et la santé.

Missions principales :

Vous aurez la responsabilité du cas d'usage 4 : un cas d'usage permettant la génération de contenus pédagogiques pour tous les étudiants de médecine en France, qui se décline en un modèle générant automatiquement et à la demande des cas cliniques représentatifs et diversifiés pour la formation en études médicales. En particulier, différents comptes-rendus médicaux complémentaires pourront être créés pour un objectif d'apprentissage particulier, comptes-rendus qui serviront ensuite à la formation des étudiants en médecine dans le cadre d'un apprentissage personnalisé et automatisé.

Activités principales :

1. Collecter les critères de qualité des comptes rendus fictifs.
2. Collecter les exemples de comptes rendus qui serviront à l'entraînement du modèle.
3. Identifier le modèle à entraîner.
4. Utiliser un modèle petit et déployable en local pour l'entraînement.
5. Évaluer le modèle selon les critères définis.

Expérience professionnelle souhaitée : de 2 à 5 ans

Formation souhaitée : formation en informatique

PROFIL SOUHAITÉ

Expérience :

• Débutant accepté

Savoirs et savoir-faire :

• Synthétiser approches d'entraînement de modèles
• Attitude inclusive
• Maîtrise de l’anglais
• Capacité à travailler en équipe
• Lire les approches d'entraînement de modèles
• Maîtrise des grands et petits modèles de langue
• Maîtrise de Python

Langue :

• Anglais