APPRENTISSAGE - Data scientist (F/H) Groupe Talents Handicap

Dassault Systèmes, l'entreprise de la 3DEXPERIENCE, est un « accélérateur de progrès humain ». Elle propose aux entreprises et aux particuliers des environnements virtuels collaboratifs qui leur permettent d'imaginer des innovations plus durables. En développant un jumeau virtuel du monde réel, grâce à la plateforme 3DEXPERIENCE et à ses applications, Dassault Systèmes donne à ses clients les moyens de repousser les limites de l'innovation, de l'apprentissage et de la production.

Les 20000 collaborateurs de Dassault Systèmes travaillent à créer de la valeur pour nos 270000 clients de toutes tailles, dans toutes les industries, dans plus de 140 pays. Pour plus d'informations, visitez notre site www.3ds.com/fr

Lieu de l'apprentissage : Valbonne (06)

L'organisation 'Virtual Twin for Human' de Dassault Systèmes créé des prototypes logiciels pour soutenir l'évolution des pratiques médicales basées sur l'utilisation du jumeau virtuel. Vous ferez partie d'une équipe multidisciplinaire et dynamique, sur des sujets innovants.

Au sein de l'équipe « Clinical Decision », nous travaillons sur le développement de méthodes statistiques, mathématiques et d'apprentissage automatique destinées à soutenir la prise de décision clinique - en particulier dans le domaine de l'oncologie.

Nos projets visent à transformer des données hétérogènes (cliniques, biologiques, transcriptomiques - notamment bulk RNA-seq, imagerie - notamment histopathologie) en outils concrets d'aide à la décision thérapeutique et pronostique. Dans le cadre actuel de nos recherches, nous explorons les modèles de fondation appliqués aux données transcriptomiques, en explorant leur adaptabilité, leur interprétabilité et leur pertinence clinique [Boming et al., 2025].

[Boming et al., 2025] Kang, Boming, et al. 'A large-scale foundation model for bulk transcriptomes.' BioRxiv (2025): 2025-06.

Vos missions

Lors de votre apprentissage, vous travaillerez sur la mise en place de modèles de fondation et leur intégration dans des algorithmes pronostiques. Vous assisterez l'équipe sur :

• la réalisation d'une revue de littérature sur les modèles de fondation (en particulier pour les données transcriptomiques et/ou les données histopathologiques) ;
• leur expérimentation sur des jeux de données publics ou autre, en évaluant non seulement leur performance, mais aussi leurs limites biologiques, computationnelles et cliniques ;
• leur intégration dans des architectures internes existantes, ainsi que leur évaluation en termes de gain de performance, tout en garantissant l'interprétabilité de ces algorithmes ;
• l'amélioration continue des architectures développées dans l'équipe suivant les besoins.

Vous devrez comprendre les problématiques exposées par l'équipe et proposer des solutions d'amélioration ou d'optimisation des approches envisagées.

Vos qualifications

Actuellement en cursus universitaire ou en Ecole d'ingénieurs vous préparez un diplôme de niveau Bac+5 et recherchez un contrat d'apprentissage.

Spécialité/ Option souhaitée : Machine Learning / Intelligence Artificielle.

Vous portez un grand intérêt aux sujets en lien avec la santé et ainsi que le développement informatique et les modèles d'intelligence artificielle.

Compétences techniques attendues/ ou souhaitées :

• excellent niveau Python (pytorch)
• bon niveau en mathématiques, (bio)-statistiques
  Compétences professionnelles attendues :
• Esprit collaboratif (échange d'idées, revue de code)
• Autonomie et rigueur dans la création du code
• Force de proposition pour l'amélioration du prototype
• Rigueur et pédagogie pour documenter et présenter votre travail et vos résultats

Nous rejoindre c'est aussi

Intégrer une entreprise scientifique au cœur de l'innovation technologique, portée par une forte croissance depuis plus de 40 ans.

Principaux avantages et bénéfices :

• Environnement collaboratif et innovant
• Collaboration internationale
• Diversité des technologies, produits et solutions
• Engagement en faveur de la diversité et de l'inclusion