La priorité peut être accordée aux groupes désignés au titre de l'équité en matière d'emploi suivants : les femmes, les Autochtones (Premières nations, Inuits et Métis), les personnes en situation de handicap* et les personnes racisées*.

- La Loi sur l'équité en matière d'emploi , qui est en cours de révision, utilise les termes "personnes handicapées" et "minorités visibles".

Les personnes qui posent leur candidature sont invitées à se déclarer comme appartenant à l’un ou l’autre des groupes susmentionnés.

Ville : Hamilton

Unité organisationnelle : Automobile et Transports de surface

Classification : AR

Durée de l'emploi : Durée déterminée

Durée : 2 ans

Exigences linguistiques : Anglais

Modalités de travail : En raison de la nature du travail et des exigences opérationnelles, ce poste nécessitera une présence physique à plein temps sur le lieu de travail du CNRC indiqué.

Le programme

Le programme de Stagiaires de recherche postdoctorale du CNRC offre un accès à des installations uniques de classe mondiale, ainsi que la possibilité de travailler au côté d'équipes multidisciplinaires qui regroupent des chercheurs et des techniciens de haut calibre dans le cadre de projets de grande importance pour le Canada. Les stagiaires effectueront des activités de recherche et développement portant sur des projets innovateurs offrant des opportunités de développement de carrière (par l'entremise de publications et/ou d'interactions avec l’industrie). Les stagiaires travailleront dans un laboratoire sous la supervision d'un chercheur du CNRC.

Les stagiaires reçoivent normalement une offre d'emploi d’une durée déterminé au Conseil national de recherches du Canada. Ils obtiennent le salaire et les avantages consentis aux agents de recherches.



Le salaire, dont le montant sera établi en fonction de l'expérience de la personne choisie, est imposable et assujetti à d'autres prélèvements. À titre indicatif, le salaire de base versé aux nouveaux titulaires de doctorat est de 83 985$. De plus, les stagiaires auront droit à un fonds de voyage pour les aider à atteindre les objectifs de leur travail.

Titre du projet

Apprentissage des stratégies d’attention des conducteurs dans des conditions météorologiques défavorables à l’aide de l’apprentissage par renforcement inverse à partir de graphes

Le rôle

Le ou la titulaire devra développer un cadre d’apprentissage par renforcement inverse (ARI) axé sur les graphes qui servira à analyser et à prédire le parcours de balayage effectué par le regard de conducteurs humains de véhicules à moteur. Notre but est déduire, à partir de l’information disponible, les structures de récompense sous-jacentes qui régissent le comportement du regard, afin de démontrer la manière dont les conducteurs adaptent leurs stratégies attentionnelles aux conditions ambiantes changeantes. En soumettant les graphes à une analyse spectrale, nous souhaitons obtenir des mesures quantifiables et interprétables qui traduisent les changements dans le mouvement du regard d’un conducteur en fonction de divers scénarios météorologiques.



Nous intégrerons également un modèle d’apprentissage profond afin de prédire la trajectoire visuelle et les mouvements du conducteur, ce qui aboutira à un flux complet allant de l’obtention des mesures à la prédiction du parcours de balayage. À notre connaissance, il s’agit de la 1re étude approfondie sur le comportement du regard des conducteurs dans des conditions météorologiques difficiles, un apport inédit dans le domaine.

En plus de participer au projet décrit ci-dessus, la personne retenue fera partie d’une équipe de recherche multidisciplinaire et sera appelée à participer à d’autres projets pour assurer une formation postdoctorale bien équilibrée.

Études

Doctorat en génie informatique, en informatique ou dans un domaine lié au poste.

Pour plus de renseignements sur les certificats et diplômes obtenus à l'étranger, veuillez consulter Équivalence des diplômes.

Expérience

- Expérience appréciable* dans le développement et l’application d’architectures avancées d’apprentissage profond, notamment les modèles fondés sur les transformeurs (Transformers), les réseaux de neurones convolutifs (CNN), les modèles génératifs, les modèles de diffusion et l’apprentissage profond par renforcement, pour résoudre des problèmes complexes en recherche et dans des applications concrètes.
- Expérience dans l’écriture de code clair et concis en langage Python ou C++.
- Expérience dans l’utilisation des bibliothèques et frameworks tels que PyTorch, TensorFlow, Scikit-learn, NumPy, Pandas et OpenCV, permettant de développer un code clair, efficace, facile à maintenir et bien documenté, adapté aux projets de recherche collaboratifs et aux environnements de

📌 Stagiaire de recherche postdoctorale, Apprentissage par renforcement et la vision (Canada)
🏢 National Research Council Canada / Conseil national de recherches Canada
📍 Canada