Nouvelles méthodes de fouille de données massives à composante spatiale

Description

Un poste d'étudiant au doctorat est disponible au Département des sciences géomatiques de l'Université Laval. Dans le cadre de son projet, l'étudiant sera amené à concevoir et à développer des solutions logicielles pour le traitement et l'analyse de données massives ayant une composante spatiale. Ces solutions devront notamment s'appuyer sur les plus récentes innovations en données massives (Big Data), en intelligence artificielle (i.e. machine learning) et en fouille automatique de données.

Les travaux proposés s'inscrivent dans le cadre d'un projet de recherche financé par la stratégie Sentinelle Nord de l'Université Laval, elle-même soutenue par le Fonds d'excellence en recherche Apogée Canada. L'objectif principal du projet est de comprendre comment la perturbation des écosystèmes affecte les micro-organismes des sols arctiques. Le projet repose sur l'utilisation d'un outil de culture microbienne in situ, nommé EcoChip, qui permet d'évaluer la croissance et d'identifier des micro-organismes dans leur milieu naturel tout en mesurant en temps réel les métadonnées environnementales. Le candidat au doctorat joindra l'équipe de recherche responsable du développement d'approches analytiques intégratives et innovantes permettant d'analyser la masse d'information non seulement récoltée par les EcoChips, mais aussi provenant de sources de données complémentaires (météorologiques, cartographiques, pédologiques, etc.) Les outils développés permettront de caractériser l'impact de changements environnementaux sur le Nord et de valoriser efficacement les micro-organismes trouvés dans ces environnements, ce qui améliorera la compréhension de l'environnement nordique et de son impact sur la santé humaine.

Exigences et conditions

Nous sommes à la recherche d'un candidat avec une formation en informatique ou en géomatique ayant des aptitudes en développement logiciel. Le candidat devra également avoir du goût pour les méthodes d'analyse et de fouille de données, pour l'apprentissage automatique ainsi que pour les applications géospatiales.