PostDoc

L’EPFL, l’École polytechnique fédérale de Lausanne, est l’un des campus universitaires les plus dynamiques d’Europe et figure parmi les 20 meilleures universités mondiales. L’EPFL emploie plus de 6 500 personnes soutenant les trois missions principales de l’institution : l’enseignement, la recherche et l’innovation. Le campus de l’EPFL offre un environnement de travail exceptionnel au cœur d’une communauté de plus de 18 500 personnes, dont plus de 14 000 étudiants et 4 000 chercheurs venant de plus de 120 pays différents.

Mission

Dans le cadre d’un projet FNS, le candidat développera une infrastructure pour analyser de grandes collections de jeux de Tarot et des corpus textuels et visuels associés. Il collaborera avec un doctorant travaillant sur ce sujet ainsi qu’avec le reste de l’équipe de recherche du laboratoire. L’objectif est de construire une infrastructure robuste et réutilisable pour l’analyse à grande échelle de petits motifs visuels, qui servira de colonne vertébrale au projet actuel et pourra être généralisée à d’autres recherches similaires.

Principales tâches et responsabilités

• Création et maintenance de grandes bases de données multimodales de documents (cartes de tarot, livres, peintures, etc.)
• Développement et maintenance du pipeline d’analyse et de traitement
• Consolidation, validation et documentation des données existantes, des composants du pipeline et des modules de code.

Profil

• Expérience : 1 à 3 ans en tant qu’ingénieur en apprentissage automatique ou doctorat dans des domaines connexes
• Formation : MSc ou doctorat en informatique, science des données ou domaine connexe, ou expérience professionnelle équivalente en apprentissage automatique.
• Compétences techniques :

- Expertise solide en apprentissage automatique, avec expérience pratique des architectures de deep learning (transformers, modèles de langage).

- Maîtrise de Python, des systèmes Unix, des bases de données (SQL/NoSQL), du stockage cloud (S3) et du calcul (Kubernetes, Run:AI), ainsi que du scripting/automatisation.

- Familiarité avec le développement collaboratif et les plateformes de gestion de code/modèles (GitHub, Hugging Face et outils associés).

• État d’esprit :

- Curieux, créatif, rigoureux et attentif aux détails ; motivé par la recherche scientifique et les applications au patrimoine culturel, avec une attitude proactive et orientée résolution de problèmes.

- Fort sens du travail en équipe, de la communication, de la responsabilité et de la préparation à la production.

- Très bonne maîtrise de l’anglais écrit et parlé. Le français est un atout.

• Souhaitable

- Expérience préalable dans un contexte académique ou de recherche.

- Expérience avec des documents historiques ou numérisés et collaboration interdisciplinaire.

- Expérience en traitement d’images en complément des données textuelles et linguistiques est un plus.

- Intérêt pour la supervision d’étudiants et la publication académique.

Nous offrons

L’EPFL, l’École polytechnique fédérale de Lausanne, est l’une des institutions scientifiques et technologiques les plus dynamiques et internationales d’Europe. Avec plus de 12 000 étudiants et 4 000 chercheurs issus de 120 pays, l’EPFL offre un environnement de recherche et de travail exceptionnel sur les rives du lac Léman.

Le Laboratoire des Humanités Numériques a été fondé par le professeur Frédéric Kaplan en 2012. Le laboratoire développe de nouvelles approches computationnelles pour gérer de grands objets culturels numériques (tels que de grands corpus de textes, d’images et de documents complexes), et pour réaliser la numérisation haute résolution d’artefacts, de bâtiments et de villes. Il vise également à développer de nouvelles compréhensions des cultures numériques, telles que les langages visuels, la culture vidéo et les médiations linguistiques.

Informations

Date de début du contrat : 01.02.2026

Taux d’activité min : 50 %

Taux d’activité max : 50 %

Type de contrat : Contrat à durée déterminée

Durée : 1 an (prolongeable à 2 ans)

Trouvez des emplois similaires :

Personnel Scientifique (FR), Personnel Scientifique