Description de l'offre

Missions: L'apprentissage portera sur deux types de modèles principaux : 1) les modèles d'auto-encodeurs de génération musicale à optimiser pour l'étude neurophysiologique de la perception musicale et de la récompense, 2) le déploiement de grands modèles linguistiques et de modèles de reconnaissance automatique de la parole, pour le développement d'un test de parole entièrement naturaliste dans le bruit afin de mieux diagnostiquer l'expérience réelle des patients souffrant de perte auditive. Le candidat à l'apprentissage doit avoir une expérience de niveau recherche dans l'utilisation et l'analyse de grands modèles linguistiques ou d'auto-encodeurs, de préférence dans le domaine acoustique, ainsi qu'une maîtrise significative du développement python et pytorch. Il doit avoir un intérêt marqué pour l'application de ces compétences aux tests neuroscientifiques et/ou de santé auditive. Il doit être capable de bien travailler au sein d'une équipe hautement interdisciplinaire et posséder de solides compétences en matière de communication et de collaboration. Le candidat sélectionné rejoindra une équipe dynamique disposant d'un large éventail d'expertises axées sur l'utilisation de modèles computationnels pour améliorer notre compréhension du cerveau humain et de la fonction auditive. Il participera aux projets décrits en tant que membre à part entière d'une équipe expérimentée dans les domaines des tests cliniques, de la neurophysiologie, du développement de modèles computationnels et des sciences cognitives. Le chef d'équipe, Keith Doelling, a publié plusieurs articles sur l'utilisation du développement de modèles pour soutenir les études neuroscientifiques et cognitives et assurera un suivi régulier de l'apprentissage.