20 meilleures offres (educateur, meurthe et moselle) (à pourvoir)

PhD Position F/M Robust and generalizable sign-to-text translation for French and German sign languages
Inria —Villers-lès-Nancy (54)
- 2 300 € par mois
- Niveau Doctorat
- Anglais
- Master
il y a 13 jours
Chargé(e) de mission territoriale
CONSERVATOIRE D ESPACES NATURELS DE LORRAINE —Bainville-aux-Miroirs (54)
- 2 831,94 € par mois
- Master
- Déplacements à prévoir
- Sens de l'organisation
il y a 13 jours
UN MONITEUR EDUCATEUR OU EDUCATEUR SPECIALISE H/F INTERNAT - 100% CDI
OHS DE LORRAINE —Flavigny-sur-Moselle (54)
- Temps plein
- Compétences rédactionnelles
- Esprit d'analyse
Postuler rapidement
Educateur(trice) spécialisé(e) (H/F)
SOS Villages d'enfants —Jarville-la-Malgrange (54)
- De 25 800 € à 32 000 € par an
- Temps plein
Educateur (trice) spécialisé(e)
FAM RESIDENCE DES TROIS FONTAINES —Vézelise (54)
- De 1 939,27 € à 3 869,74 € par mois
- Temps plein
- Niveau Licence
- Sans diplôme d'enseignement supérieur
- Sens de l'organisation
Postuler rapidement
il y a 4 jours
Educateur spécialisé H/F
Association Jean-Baptiste Thiery —Maxéville (54)
- De 2 152 € à 3 598 € par mois
- Temps plein
- En présentiel
- Niveau Bac +2
- Tarifs préférentiels
Postuler rapidement
Éducateur / Éducatrice à l’environnement – Transition écologique & Développement de projets
Lorraine Energies Renouvelables —Blâmont (54)
- De 1 260 € à 1 380 € par mois
- Niveau Licence
- Déplacements à prévoir
- En présentiel
Postuler rapidement
il y a 7 jours
Educateur specialise h/f
AEIM-ADAPEI54 —Lunéville (54)
- 2 105 € par mois
- Bureautique
- Tarifs préférentiels
Postuler rapidement
Assistant.e de service social départemental - CDD 1845 F/H - EC9876
Département Meurthe et Moselle —Malzéville (54)
- Temps plein
- Analyse de données
- Niveau Licence
- Services sociaux
- Opportunités de carrières
Responsable de relation client CDI - Nancy (F/H)
L-Expert-Comptable.com —Nancy (54)
- Télétravail partiel
- Service client
- Esprit d'analyse
- Horaires flexibles
Agent/agente des services hospitaliers service
Association Les Maisons Hospitalières —Nancy (54)
- À partir de 2 203 € par mois
- Heures supplémentaires
- Niveau Bac
- Nettoyage
- En présentiel
- Prise en charge du transport quotidien
Postuler rapidement
UN(E) EDUCATEUR SPECIALISE(E) DIPLOME(E) D’ETAT 100% - CDI
OHS DE LORRAINE —Dommartin-lès-Toul (54)
- Temps plein
- Déplacements à prévoir
Postuler rapidement
Enseignant specialise h/f
AEIM-ADAPEI54 —Toul (54)
- 2 105 € par mois
- Master
- Éducation
- Bureautique
Postuler rapidement
il y a 10 jours
Educateur de jeunes enfants creches - h/f
CHRU Nancy —Nancy (54)
- Du lundi au vendredi
- Microsoft Powerpoint
- Prise de parole en public
- Prise en charge du transport quotidien
- Tarifs préférentiels
Postuler rapidement
il y a 11 jours
Chef de projet et chargé de Coordination du RESEAU REGIONAL DE RECHERCHE EN PSYCHIATRIE ET SANTE MENTALE – GRAND EST
Centre Psychothérapique de Nancy Centre Psychothérapique de Nancy C.P.N. —Laxou (54)
- Niveau Doctorat
- Recherche
- Master
Travailleur social — H/F
Service d'Action Éducative en Milieu Ouvert (S.A.E.M.O) —Maxéville (54)
- À partir de 1 906,32 € par mois
- Niveau Licence
il y a 7 jours
MONITEUR EDUCATEUR / EDUCATEUR SPECIALISE H/F 100% Internat
OHS DE LORRAINE —Lunéville (54)
- Temps plein
Postuler rapidement
Conseillère/Conseiller en ligne (F/H)
Crédit Mutuel Alliance Fédérale —Laxou (54)
- De 27 000 € à 29 000 € par an
- Service client
- Niveau Bac
- Niveau Licence
Conseiller clientèle gestion card F/H
Enedis —Villers-lès-Nancy (54)
- De 27 800 € à 29 300 € par an
- Service client
- Pas d'expérience requise
- Esprit d'analyse
- Congé pour événements familiaux
il y a 11 jours
Responsable de zone H/F
Heidelberg Cement —Heillecourt (54)
- Temps plein
- Expérience en gestion d'équipe
- Ingénierie
- Master
Postuler rapidement
il y a 6 jours

Je souhaite recevoir la dernière alerte Emploi pour les postes de ce type : educateur (meurthe et moselle)

En vous connectant à votre compte, vous acceptez les Conditions d'utilisation de SimplyHired et consentez à notre Politique relative aux cookies et Politique de confidentialité.

Afficher des offres d'emploi dans d'autres lieux

educateur jobs near meurthe et moselle

Éducateur De Jeunes Enfants, Nancy (54) : emplois

Chargé De Clientèle, Nancy (54) : emplois

Educateur Spécialisé, Lunéville (54) : emplois

Responsable Zone, Paris (75) : emplois

Responsable Des Attributions Logements, Paris (75) : emplois

Responsable Technique, Lyon (69) : emplois

Responsable Zone, Bordeaux (33) : emplois

Responsable Zone, Pyrénées Orientales : emplois

Responsable Zone, La Réunion : emplois

Responsable Qvct, Paris (75) : emplois

Educateur Spécialisé, Fougères (35) : emplois

Moniteur Educateur, Vaucluse : emplois

Educateur Spécialisé, Rouen (76) : emplois

Educateur Spécialisé, Auray (56) : emplois

Éducateur Spécialisé, Seine Maritime : emplois

Educateur Spécialisé, Hendaye (64) : emplois

Educateur Spécialisé, Bayonne (64) : emplois

Educateur, Nantes (44) : emplois

Chargé De Communication, Brest (29) : emplois

Éducateur Jeunes Enfants, Pyrénées Atlantiques : emplois

PhD Position F/M Robust and generalizable sign-to-text translation for French and German sign languages

Inria -
Villers-lès-Nancy (54)

Soumettre votre candidature

Détails de l'emploi

CDD
2 300 € par mois
Il y a 13 jours

Avantages

Qualifications

Français
Niveau Doctorat
PyTorch
Anglais
Master
C
Deep learning
Langue des signes française
Python
Allemand

Description complète du poste

Le descriptif de l’offre ci-dessous est en Anglais

Type de contrat : CDD

Niveau de diplôme exigé : Bac + 5 ou équivalent

Fonction : Doctorant

Contexte et atouts du poste

The PhD project will be carried out in the MULTISPEECH team at Loria. The PhD candidate will be supervised by Slim Ouni (professor, University of Lorraine) and Mostafa Sadeghi (researcher, Inria), and will benefit from the research environment, expertise, and powerful computational resources (GPUs & CPUs) of the team.

This PhD position is fully funded within the framework of RoGSiLT: Robust and Generalizable Sign Language Translation, a collaborative research project between Inria in France and DFKI in Germany. The project aims to advance AI-based translation technologies for French Sign Language (LSF) and German Sign Language (DGS), covering both translation from sign-language videos into written language and translation from written language into sign language. The PhD candidate will work with the Inria team and collaborate closely with DFKI, with a specific focus on the data, alignment, and representation-learning foundations required for robust and generalizable sign-to-text translation.

Mission confiée

Motivation and context

Sign languages are natural languages with their own grammar, structure, and rich visual-expressive features. Unlike spoken languages, they convey meaning through a combination of hand movements, body posture, facial expressions, mouthing, spatial organization, and timing. Automatic translation from sign language videos into written text therefore requires modelling complex visual and temporal information, rather than simply recognizing isolated gestures.

A common approach in sign language translation relies on glosses, i.e., written labels that roughly represent signs using words from a spoken language. Glosses are useful as an intermediate representation, but they are costly to annotate, scarce for many sign languages, and unable to capture the full linguistic richness of signed communication, such as facial grammar, spatial references, or prosody. As a result, existing systems often depend on limited gloss-annotated data, generalize poorly across signers and recording conditions, and produce translations that lack fluency, completeness, or semantic accuracy [1].

Principales activités

Project description

The PhD project will contribute to the development of robust and generalizable sign-to-text translation for low-resource sign languages, with a focus on LSF and DGS. Rather than concentrating only on the final translation model, the PhD will address the upstream components that are essential for reliable sign-to-text translation: data collection and curation, privacy-aware data processing, automatic video-text alignment, and sign-language representation learning.

A first objective will be to identify, collect, structure, and curate sign-language video resources for LSF and DGS, for which available resources remain more limited than for some other sign languages and domains [2,3]. The work will exploit existing and newly identified video-text resources, including open repositories and potential data sources from associations or broadcasters. Since sign-language data typically consists of videos of identifiable signers, the PhD will also address privacy and ethical challenges, including consent, anonymization, secure data handling, metadata quality, and linguistic diversity.

A second objective will be to develop automatic methods for aligning sign-language videos with corresponding written transcriptions, subtitles, or other textual material. Such alignment is essential for transforming raw or weakly structured video-text data into resources that can be used for machine learning. The PhD will therefore investigate multimodal approaches that connect visual sign-language information with textual representations under low-resource conditions, using techniques from computer vision, natural language processing, and representation learning [4,5].

A third objective will be to study how sign-language videos can be represented in a way that captures the visual and temporal complexity of signed communication, including manual signs, body posture, facial expression, mouthing, spatial structure, and timing. The PhD will explore how sign-language-specific pre-trained and multimodal models can be adapted to LSF and DGS data, in order to support video-text alignment, representation learning, and downstream sign-to-text translation [9,10].

Implementation plan

The first stage of the PhD will focus on data collection and curation. The candidate will identify and gather relevant LSF and DGS video-text resources from open repositories and other potential sources. This will include the analysis of available metadata, text-video correspondence, recording conditions, signer variation, and data quality. Particular attention will be paid to privacy-aware processing, including anonymization strategies, secure data handling, and the possible use of pose-based or derived representations to reduce identifiability.

The second stage will focus on automatic alignment between sign-language videos and written text. The candidate will investigate methods for aligning videos with subtitles, transcriptions, or other textual material, to transform weakly structured data into usable training and evaluation resources. This work may involve temporal segmentation, visual feature extraction, sentence-level semantic representations, multimodal similarity learning, and Transformer-based or CLIP-like architectures adapted to sign-language data [4,5].

The third stage will explore the use of pre-trained and foundation models for sign-language representation learning. The candidate will study how computer vision models, multimodal models, and large language models can be adapted or fine-tuned for sign-language data. This may include keypoint-based, video-based, or hybrid representations, as well as weakly supervised or contrastive learning strategies for connecting visual and textual information.

In the final stage, the developed data-processing, alignment, and representation-learning components will be assessed in relation to downstream sign-to-text translation. The work will include quantitative and qualitative analysis of alignment quality, robustness across data sources and signers, and the usefulness of the learned representations for translation-oriented tasks. While the PhD is not primarily centred on evaluation methodology, the candidate will use appropriate automatic and human-informed analyses to validate the proposed methods [6].

Expected outcomes

The PhD candidate is expected to contribute to both scientific knowledge and practical resources for the sign language technology community. Expected outcomes may include:

Curated or enriched LSF and DGS video-text resources;
Improved automatic alignment methods for sign videos and written text;
Multimodal representations of sign-language videos suitable for downstream translation;
Adaptation of pre-trained computer vision, multimodal, and language models to sign-language data;
Open-source implementations of data-processing, alignment, and modelling components;
Experimental analyses demonstrating the usefulness of the proposed methods for sign-to-text translation;
Publications in leading conferences and workshops in NLP, computer vision, or sign language technology.

References

[1] N. C. Camgöz, S. Hadfield, O. Koller, H. Ney, and R. Bowden, “Neural Sign Language Translation,” in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

[2] J. Forster, C. Schmidt, O. Koller, M. Bellgardt, and H. Ney, “Extensions of the Sign Language Recognition and Translation Corpus RWTH-PHOENIX-Weather,” in Proceedings of the International Conference on Language Resources and Evaluation (LREC), 2014.

[3] J. Halbout, D. Fabre, Y. Ouakrim, J. Lascar, A. Braffort, et al., “Matignon-LSF: A Large Corpus of Interpreted French Sign Language,” in Proceedings of the LREC-COLING Workshop on the Representation and Processing of Sign Languages, 2024.

[4] H. Bull, T. Afouras, G. Varol, S. Albanie, L. Momeni, and A. Zisserman, “Aligning Subtitles in Sign Language Videos,” in Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2021.

[5] Y. Hamidullah, J. van Genabith, and C. España-Bonet, “Sign Language Translation with Sentence Embedding Supervision,” in Proceedings of the Annual Meeting of the Association for Computational Linguistics (ACL), Short Papers, 2024.

[6] M. Müller et al., “Findings of the Second WMT Shared Task on Sign Language Translation,” in Proceedings of the Conference on Machine Translation (WMT), 2023.

[7] G. Fauré, M. Sadeghi, S. Bigeard, and S. Ouni, “Towards Skeletal and Signer Noise Reduction in Sign Language Production via Quaternion-Based Pose Encoding and Contrastive Learning,” in Proceedings of SLTAT 2025: 9th Workshop on Sign Language Translation and Avatar Technologies, 2025.

[8] G. Fauré, M. Sadeghi, S. Bigeard, and S. Ouni, “The Impact of VAE Design on Latent Pose Representations for Diffusion-based Sign Language Production,” in Proceedings of GenSign: Generative AI for Sign Language, CVPR 2026 Workshop, 2026.

[9] Z. Jiang, G. Sant, A. Moryossef, M. Müller, R. Sennrich, and S. Ebling, “SignCLIP: Connecting Text and Sign Language by Contrastive Learning,” in Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP), pp. 9171–9193, 2024.

[10] P. Jiao, Y. Min, and X. Chen, “Visual Alignment Pre-training for Sign Language Translation,” in Proceedings of the European Conference on Computer Vision (ECCV), pp. 349–367, 2024.

Compétences

Applicants should have, or be close to obtaining, a Master’s degree or equivalent in computer science, artificial intelligence, computational linguistics, natural language processing, computer vision, machine learning, or a related field.

A strong candidate will have experience or interest in several of the following areas:

Machine learning and deep learning;
Natural language processing or neural machine translation;
Computer vision or video understanding;
Multimodal learning;
Large language models.

Programming experience in Python and familiarity with deep learning frameworks such as PyTorch are expected. Knowledge of sign languages, LSF, DGS, or Deaf studies is welcome but not mandatory. The candidate should be willing to work in an interdisciplinary and collaborative setting.

Avantages

Subsidized meals
Partial reimbursement of public transport costs
Leave: 7 weeks of annual leave + 10 extra days off due to RTT (statutory reduction in working hours) + possibility of exceptional leave (sick children, moving home, etc.)
Possibility of teleworking (after 6 months of employment) and flexible organization of working hours
Professional equipment available (videoconferencing, loan of computer equipment, etc.)
Social, cultural and sports events and activities
Access to vocational training
Social security coverage

Rémunération

2300€ gross/month

Informations générales

Thème/Domaine : Langue, parole et audio
Statistiques (Big data) (BAP E)
Ville : Villers lès Nancy
Centre Inria : Centre Inria de l'Université de Lorraine
Date de prise de fonction souhaitée : 2026-11-01
Durée de contrat : 3 ans
Date limite pour postuler : 2026-08-15

Attention: Les candidatures doivent être déposées en ligne sur le site Inria. Le traitement des candidatures adressées par d'autres canaux n'est pas garanti.

Consignes pour postuler

Sécurité défense :
Ce poste est susceptible d’être affecté dans une zone à régime restrictif (ZRR), telle que définie dans le décret n°2011-1425 relatif à la protection du potentiel scientifique et technique de la nation (PPST). L’autorisation d’accès à une zone est délivrée par le chef d’établissement, après avis ministériel favorable, tel que défini dans l’arrêté du 03 juillet 2012, relatif à la PPST. Un avis ministériel défavorable pour un poste affecté dans une ZRR aurait pour conséquence l’annulation du recrutement.

Politique de recrutement :
Dans le cadre de sa politique diversité, tous les postes Inria sont accessibles aux personnes en situation de handicap.

Contacts

Équipe Inria : MULTISPEECH
Directeur de thèse :
Sadeghi Mostafa / [email protected]

L'essentiel pour réussir

Required documents

Curriculum vitae (CV);
Cover letter describing research interests and motivation for the topic;
Academic transcripts;
Names and contact details of referees;
(Optional) Publications, code repositories, Master’s thesis, or other relevant research outputs.

A propos d'Inria

Inria est l’institut national de recherche dédié aux sciences et technologies du numérique. Il emploie 2600 personnes. Ses 215 équipes-projets agiles, en général communes avec des partenaires académiques, impliquent plus de 3900 scientifiques pour relever les défis du numérique, souvent à l’interface d’autres disciplines. L’institut fait appel à de nombreux talents dans plus d’une quarantaine de métiers différents. 900 personnels d’appui à la recherche et à l’innovation contribuent à faire émerger et grandir des projets scientifiques ou entrepreneuriaux qui impactent le monde. Inria travaille avec de nombreuses entreprises et a accompagné la création de plus de 200 start-up. L'institut s'eﬀorce ainsi de répondre aux enjeux de la transformation numérique de la science, de la société et de l'économie.

Soumettre votre candidature

Affinez votre recherche

educateur emplois - meurthe et moselle

Je souhaite recevoir la dernière alerte Emploi pour les postes de ce type : educateur (meurthe et moselle)

Related Searches

Afficher des offres d'emploi dans d'autres lieux

Contexte et atouts du poste

Mission confiée

Principales activités

Expected outcomes

References

Compétences

Avantages

Rémunération

Informations générales

Consignes pour postuler

Contacts

L'essentiel pour réussir

A propos d'Inria