LIS

About the Company

Le Laboratoire d'informatique et des systèmes (LIS, UMR7020) est une unité mixte de recherche affiliée à l'Université d'Aix-Marseille, au CNRS, à l'Université de Toulon et à l'École Centrale Méditerranée. Le LIS compte plus de 400 membres, dont 190 chercheurs et enseignants-chercheurs, ainsi qu'une vingtaine de personnels techniques et administratifs. Ses locaux sont répartis entre les campus de Luminy et de Saint-Jérôme à Marseille, et le campus de La Garde (pour le site "toulonnais"). Les activités de recherche du LIS recouvrent trois disciplines : l'informatique, l'automatique et le traitement du signal ; des domaines variés tels que l'informatique fondamentale, l'intelligence artificielle, la science des données, le contrôle/diagnostic/pronostic des systèmes, le signal et l'image. Les activités scientifiques du laboratoire sont structurées en quatre pôles thématiques selon ces domaines : - le pôle "Analyse et contrôle des systèmes" (ACS) développe des recherches sur la théorie du contrôle, le diagnostic et le pronostic, la commande et l'estimation, l'aide à la décision et la modélisation/simulation ; - le pôle "Calcul" développe des recherches sur l'algorithmique et les structures discrètes, la logique et les méthodes formelles, les modèles de calcul et la complexité, l'intelligence artificielle et la géométrie/topologie du calcul ; - le pôle "Science des données" (SD) développe des recherches sur l'apprentissage et ses applications, le traitement automatique des langues, la recherche d'information, les bases de données et la fouille de données ; - le pôle "Signal et image" (SI) développe des recherches sur le traitement du signal et des images, l'analyse et la classification, la séparation de sources, l'imagerie médicale et la photogrammétrie. Le LIS s'engage également dans des activités de valorisation, de formation et de diffusion scientifique, contribuant ainsi au rayonnement de la recherche en sciences informatiques.

Listed Jobs

Company Name

LIS

Job Title

Postdoctoral Researcher

Job Description

Job Title: Postdoctoral Researcher Role Summary: Lead the development of physics‑guided hybrid machine learning models to predict energy consumption of refrigerated shipping containers within maritime logistics, enhancing data‑driven decision making while enforcing physical constraints. Expactations: - Expand and preprocess energy consumption datasets for analysis. - Design, implement, and validate hybrid physics‑machine learning frameworks that outperform purely data‑driven models. - Deliver reproducible research outputs, including code repositories, model documentation, and peer‑reviewed publications. - Collaborate with interdisciplinary teams to integrate models into broader transport optimisation pipelines. - Present findings to technical audiences and contribute to project milestones. Key Responsibilities: - Collect and curate operational data from monitoring systems and IoT sensors. - Construct mathematical representations of refrigeration physics and embed them into learning algorithms. - Train, tune, and evaluate models using cross‑validation, sensitivity analysis, and performance metrics relevant to energy forecasting. - Develop Python‑based data pipelines and maintain clean, version‑controlled code. - Communicate results through presentations, technical reports, and manuscripts. - Support knowledge transfer to project partners and stakeholders. Required Skills: - Advanced machine learning expertise with a portfolio of data‑science projects. - Proficient programming in Python, including libraries such as NumPy, Pandas, Scikit‑learn, and PyTorch/TensorFlow. - Strong statistical analysis background and experience with experimental design. - Ability to translate physical models into computational frameworks. - Excellent written and verbal communication in English; French proficiency is an asset. - Experience with version control (Git) and collaborative research tools. Required Education & Certifications: - Ph.D. in Computer Science, Mechatronics, or a related field focusing on systems and data. - Proven record of rigorous research and publications in machine‑learning or related domains.

Marseille, France

On site

05-02-2026