Poste de postdoctorant(e) – Apprentissage automatique et réduction d’échelle pour faire avancer les applications écologiques

Contexte :

IVADO est un consortium de recherche, de formation et de mobilisation des connaissances en intelligence artificielle qui génère, stimule et soutient des initiatives dans le domaine de l’intelligence artificielle (IA) en réunissant la communauté des chercheuses et chercheurs, des organisations et des institutions. Le Regroupement 7 d’IVADO se concentre sur l’innovation en intelligence artificielle et en apprentissage automatique au service des grands enjeux liés au climat et à la biodiversité.

Nous recherchons une chercheuse ou un chercheur postdoctoral pour un projet interdisciplinaire appliquant des approches d’apprentissage automatique de pointe à la mise à l’échelle spatiale de la biodiversité.

La résolution spatiale et temporelle de nos ensembles de données écologiques (y compris l’imagerie hyperspectrale, l’imagerie satellite par drone et les modèles climatiques) augmente rapidement et dépasse notre capacité à utiliser ces données pour répondre aux questions écologiques, telles que l’échelle de la biodiversité en fonction de la superficie et l’échelle de la structure trophique en fonction de la biomasse terrestre. L’utilisation efficace de ces nouvelles données, combinée à des études biologiques plus traditionnelles, est essentielle pour répondre à ces questions afin que nous puissions mieux comprendre le fonctionnement des écosystèmes et la perte potentielle de biodiversité.

Plus précisément, le projet requiert une connaissance des techniques de réduction d’échelle et de superrésolution à l’aide de modèles d’apprentissage automatique. La chercheuse ou le chercheur devra diriger et gérer un projet qui applique l’apprentissage automatique et les algorithmes de réduction d’échelle à des applications écologiques et travaillera avec une équipe composée à moitié d’écologistes et à moitié de chercheuses et chercheurs spécialisés dans l’apprentissage automatique. Notre étude de cas est une étude comparative entre les forêts tempérées et tropicales utilisant des outils existants (par exemple, la modélisation de la distribution des espèces) et la mise à l’échelle écologique et climatique pour faire des prédictions à plusieurs échelles sur la composition de la forêt et la biomasse terrestre. La chercheuse ou le chercheur aura l’opportunité d’innover tant dans les techniques d’apprentissage automatique que dans les applications écologiques.

Les candidates et candidats doivent présenter les caractéristiques suivantes :

• Doctorat, achevé ou sur le point de l’être (le domaine du doctorat est flexible).
• Solides connaissances en apprentissage automatique.
• Expérience dans l’application d’apprentissage automatique à la réduction d’échelle ou à l’écologie.
• La préférence sera donnée à une chercheuse ou un chercheur en apprentissage automatique ayant des connaissances dans le domaine de l’écologie ou de la conservation.

Les documents suivants sont obligatoires :

• CV
• Lettre de motivation
• Relevés de notes de doctorat (officiels ou non officiels si la session en cours n’est pas encore terminée)
• Une lettre de recommandation est requise. Veuillez vous assurer de l’exactitude de l’adresse électronique et de la disponibilité de la personne qui vous recommande.

Durée du contrat : 18 mois

Date de début : Automne 2025

Superviseuse principale : Julie Carreau, professeure adjointe, Département de génie mathématique et industriel, Polytechnique Montréal.

Co-superviseuse : Laura Pollock, professeure adjointe en écologie quantitative à l’Université McGill.

Le financement est assuré par IVADO.

La candidate ou le candidat sera affilié à Polytechnique Montréal ou à l’Université McGill et exercera ses activités au Mila. La candidate ou le candidat aura l’occasion de collaborer avec les deux autres codirecteurs du regroupement R7 sur l’environnement : David Rolnick (Université McGill, Mila) et Étienne Laliberté (Université de Montréal, Mila).

Nous nous engageons à promouvoir l’égalité, la diversité et l’inclusion au sein de notre équipe. Nous encourageons fortement les candidatures de toutes les personnes issues de groupes sous-représentés, y compris les minorités visibles, les femmes, les peuples autochtones, les personnes en situation de handicap et les individus de toute identité de genre.

Pour postuler : Veuillez envoyer votre dossier de candidature à Dana F. Simon (Dana.simon@ivado.ca) au plus tard le 13 juin 2025.