En un coup d'œil
- Missions: Développez des modèles pour des signaux scientifiques complexes et explorez des questions fondamentales.
- Entreprise: Une entreprise innovante à la pointe de l'IA physique.
- Avantages: Travail collaboratif, environnement dynamique et opportunités de croissance professionnelle.
- Autres infos: Équipe soudée valorisant l'intégrité, la communication ouverte et la sécurité psychologique.
- Pourquoi ce job: Contribuez à des projets de recherche passionnants et impactants dans le domaine scientifique.
- Qualifications: Doctorat en apprentissage automatique ou domaine connexe, compétences en PyTorch.
Le salaire estimé est compris entre 61650 - 75350 € par an.
Le défi : Données scientifiques complexes et apprentissage de la représentation. Nous construisons des modèles fondamentaux pour les signaux scientifiques, en commençant par le cerveau (EEG, fMRI, échographie) et visons à étendre les mêmes approches à d'autres domaines complexes où les données sont rares et difficiles à collecter. Nous avons terminé en tant que médaillés d'argent au défi EEG NeurIPS 2025 et avons eu des articles récemment acceptés à CVPR et soumis à ICML. Cela semble être le début de notre parcours. Pour chaque problème que nous résolvons, nous semblons découvrir trois autres questions fondamentales auxquelles nous ne pouvons pas encore répondre. Nous essayons toujours de comprendre les bases du comportement de ces signaux, et nous constatons que l'incertitude est beaucoup plus motivante que les parties 'résolues'.
Ce à quoi ressemble le travail : Ce rôle concerne la réflexion au niveau de l'architecture :
- Compréhension des échecs : Pourquoi les méthodes standard échouent-elles sur des données irrégulières, bruyantes ou rares ? Comment pouvons-nous nous adapter ?
- Stratégie de pré-entraînement : Développer des méthodes adaptées aux signaux physiques (petits échantillons, structures irrégulières).
- Alignement multimodal : Combler les lacunes entre les signaux et trouver les bons biais inductifs pour les systèmes physiques.
- Propriété de bout en bout : Si le cœur est l'exploration scientifique (conception expérimentale et d'évaluation), notez qu'en tant que membre d'une petite équipe, vous posséderez des expériences depuis l'hypothèse jusqu'au déploiement et contribuerez à l'ingénierie (pipelines, infrastructure).
Exigences :
- Éducation : Doctorat (préféré) en apprentissage automatique, apprentissage profond ou dans un domaine quantitatif étroitement lié.
- Expertise technique : Forte maîtrise de PyTorch et expérience dans l'exécution de grands modèles sur une infrastructure GPU.
- Expérience des données : Expérience pratique dans la gestion de données complexes/difficiles, y compris des séries temporelles irrégulières, des signaux scientifiques et des structures géométriques ou physiques.
- État d'esprit axé sur les données : Une approche pratique de la recherche où vous priorisez l'analyse des signaux bruts et la qualité des données plutôt que de simplement surveiller les courbes de perte.
- Naviguer dans l'ambiguïté : Capacité à prospérer dans un environnement avec des problèmes ouverts et compétences en communication pour rendre la recherche complexe accessible aux équipes non scientifiques.
- Anglais courant : L'équipe parle anglais au quotidien.
Compétences bonus :
- Apprentissage profond spécialisé : Expérience avec l'alignement multimodal ou le pré-entraînement à grande échelle et les modèles fondamentaux.
- Domaine avancé : Connaissance spécifique en apprentissage profond géométrique ou traitement de signaux physiques.
- Antécédents académiques : Un historique de publications dans des lieux de premier plan tels que NeurIPS, ICML ou des conférences équivalentes.
- Antécédents non conventionnels : Expérience de travail avec des signaux 'exotiques' ou des systèmes de données uniques qui démontrent une réflexion approfondie et une adaptabilité.
Au-delà des compétences techniques : Bien que l'excellence technique soit essentielle, nous attachons une importance égale à la manière dont nous travaillons ensemble. Nous croyons que les meilleures équipes sont construites sur :
- Intégrité et respect : Nous aspirons à l'honnêteté, la gentillesse et l'équité. Nous valorisons les personnes qui traitent les autres avec dignité et favorisent un environnement où chacun se sent entendu.
- Communication ouverte et humilité : Les grandes idées viennent de la collaboration. Nous recherchons des coéquipiers qui écoutent activement, communiquent clairement et abordent les défis avec conscience de soi et humilité.
- Sécurité psychologique et camaraderie : Nous nous efforçons de créer un espace où les gens se sentent en sécurité pour prendre des risques, poser des questions et grandir.
Research Scientist — Frontier Physical AI in Paris employeur : Sigma Nova
Chez Sigma Nova, nous offrons un environnement de travail stimulant et innovant au cœur de Paris, où la passion pour l'intelligence artificielle se conjugue avec des opportunités de croissance professionnelle. Nos équipes collaborent dans une culture d'excellence et de curiosité, favorisant le développement personnel et professionnel à travers des projets de recherche de pointe. En rejoignant notre entreprise, vous bénéficierez d'un cadre dynamique, d'une rémunération compétitive et de la possibilité de travailler sur des technologies de rupture qui façonnent l'avenir.
Conseils d'expert StudySmarter🤫
Voici comment nous pensons que tu pourrais décrocher Research Scientist — Frontier Physical AI in Paris
✨Collabore sur des projets scientifiques
Fais-toi remarquer en participant à des projets de recherche collaboratifs. Cherche des plateformes comme ResearchGate ou des réseaux universitaires où tu peux proposer tes compétences ou rejoindre des projets en cours. Plus tu es impliqué, plus tu augmentes tes chances d'attirer l'attention des recruteurs.
✨Assiste à des conférences scientifiques
Rien de mieux qu’une bonne vieille conférence pour se faire des contacts ! Participe à des événements dans ton domaine de recherche pour rencontrer des professionnels, échanger des idées et créer des opportunités de collaboration. N’hésite pas à discuter avec des chercheurs et à leur parler de tes aspirations.
✨Optimise ton profil professionnel
Pour un poste à temps plein, il est essentiel de cultiver ta visibilité en ligne. Mets en avant tes publications, certифicats et projets sur des plateformes comme LinkedIn ou Academia.edu. N’oublie pas que les recruteurs peuvent faire des recherches sur toi !
✨Postule directement via notre site
Quand tu vois un poste qui te plaît, n'hésite pas à postuler directement sur le site de Sigma Nova. C'est souvent là que tu auras moins de concurrence et où ils cherchent vraiment des candidats motivés. Ne laisse pas passer ta chance !
Nous pensons qu'il te faut ces compétences pour exceller en tant que Research Scientist — Frontier Physical AI in Paris
Quelques conseils pour ta candidature 🫡
Mets en avant tes publications !:Dans le domaine de la recherche scientifique, avoir des publications est souvent un atout majeur. N'hésite pas à inclure tes articles, même ceux que tu as présentés lors de conférences, dans ton CV ou ta lettre de motivation. Ça montre ta capacité à mener des recherches et à contribuer au domaine !
Démontre ta méthodologie:Dans ta lettre de motivation, explique clairement ta méthodologie de recherche. Les recruteurs de {{company }} apprécieront de voir que tu as une bonne compréhension des techniques de recherche et des analyses. Cela montre que tu es prêt à plonger dans des projets complexes dès le premier jour !
Parle de tes travaux antérieurs:Si tu as déjà eu des expériences de stage ou des projets en recherche, n'hésite pas à les détailler dans ton CV. Donne des exemples concrets de tes contributions et explique les résultats que tu as obtenus. Cela démontre ton expérience et ta capacité à travailler en équipe sur des projets scientifiques.
Fais preuve de passion dans ta lettre:Pour un poste de recherche à temps plein, montrer ta passion pour la science est crucial. Dis ce qui t'anime, ce qui t'intéresse dans le domaine et pourquoi tu souhaites rejoindre {{company }}. Cela peut vraiment faire la différence et te démarquer des autres candidats !
Comment te préparer à un entretien d'embauche chez Sigma Nova
✨Maîtrise des compétences techniques
Assure-toi de bien maîtriser les méthodes et outils spécifiques à la recherche scientifique. Prépare-toi à discuter de tes expériences avec des techniques de recherche, des logiciels d'analyse de données, ou même des publications scientifiques que tu as contribué à rédiger. Cela montrera que tu es prêt à plonger dans le travail dès ton arrivée.
✨Démontre ta curiosité intellectuelle
Dans le domaine de la recherche scientifique, montrer que tu es passionné par l'apprentissage et l'exploration de nouvelles idées peut vraiment faire la différence. Prépare quelques exemples où tu as pris l'initiative d'apprendre quelque chose de nouveau ou de résoudre un problème complexe dans tes précédentes expériences.
✨Connaissance des projets en cours
Renseigne-toi sur les projets en cours chez Sigma Nova. Sois prêt à discuter de la façon dont tes compétences et tes expériences pourraient s'intégrer et contribuer à ces projets. Cela démontre non seulement ton intérêt pour le poste, mais aussi ta proactivité.
✨Collaboration et travail d'équipe
La recherche scientifique est souvent un effort d'équipe. Prépare-toi à parler de tes expériences de travail en équipe, comment tu as géré les conflits et comment tu as contribué à des environnements collaboratifs. Met en avant ta capacité à fonctionner dans un cadre où l'échange d'idées est essentiel.
