Comment construire un réseau professionnel et le faire marcher ?
- 1 min
- Publié le 15 oct. 2024
Candidature spontanée
L'outil pour les identifier
Modèles lettre de motivation
Lettre de motivation stage
Réussir votre rapport de stage
Prêt pour un entretien ?
Tous les tests carrière
Nos conseils
Trouvez votre job
Trouvez votre entreprise
INFORMATIQUE, TÉLÉCOM - INTELLIGENCE ARTIFICIELLE
Réf. 996019 - publié le 15 octobre 2024
DOMAINE DE FORMATION
Informatique, télécom - Intelligence artificielle
NIVEAU D'ÉTUDES
Bac +4
GRATIFICATION
1200 €
PÉRIODE
6 mois
IRT Antoine de Saint Exupéry vous propose une offre de stage dans les domaines Informatique, télécom, Intelligence artificielle à Toulouse.
La majorité des modèles d’apprentissage automatique fournissent des prédictions ponctuelles sans indications d’incertitude ou de confiance fiables. Cela est particulièrement problématique pour des applications critiques de l’IA, comme dans les domaines de la santé ou du transport.
La quantification d’incertitude prédictive de modèles ML consiste à évaluer aussi finement que possible l'erreur de prédiction de ces modèles, voire à la calibrer en fonction d'objectifs statistiques précis. Parmi les différentes approches existantes, la prédiction conforme combine de bonnes propriétés théoriques et une facilité de mise en œuvre. Initiée par Vovk dans les années 2000, sa simplicité en a fait un outil d'intérêt croissant dans les milieux académiques et industriels. Bien que la majorité des travaux font l’hypothèse classique de données indépendantes et identiquement distribuées (ou, plus généralement, échangeables), de récents articles comme ont étudié ces méthodes en présence de distribution shifts, ce qui est fondamental pour les applications.
Au sein de l’équipe DEEL, le/la stagiaire sera chargé.e de comprendre l’approche récente s’appuyant sur la théorie de l’apprentissage séquentiel robuste, et d’évaluer sa pertinence sur un problème ferroviaire.
Les étapes du stage comprendront :
- Un état de l’art des méthodes séquentielles pour la quantification d’incertitude robuste.
- Une modélisation d’un ou plusieurs problèmes SNCF (ex : détection d’un rail cassé), en termes de quantification d’incertitude.
- La conception d’algorithmes d’apprentissage séquentiel, et leur évaluation sur les applications ferroviaires identifiées.
- La documentation de toutes les étapes du développement, y compris le code, les méthodes et les résultats.
Ce stage de recherche pourrait donner suite à une thèse.
Tu recherches un stage de fin d’études. Niveau Bac+5 (Ingénieur ou Master 2) avec une dominante Mathématiques Appliquées, notamment en machine learning.
Nous cherchons un.e candidat.e avec les compétences suivantes :
· Connaissances théoriques solides en machine learning et en statistiques. (Un bagage en optimisation est un plus.)
· Maîtrise du langage de programmation Python et des bibliothèques de deep learning (par ex : TensorFlow / PyTorch).
· Faire preuve d’autonomie, d’initiative et de rigueur.
Maîtrise de l’anglais, tant à l’écrit qu’à l’oral.
Rejoins nous !
"Ne prévois pas ton futur, rends-le possible"
Nom du recruteur : IRT Antoine de Saint Exupéry