En tant que stagiaire au CEA, vous aurez l'opportunité de travailler au sein d'un environnement de recherche de renommée mondiale. Nos équipes sont composées d'experts passionnés et dédiés, offrant un cadre propice à l'apprentissage et à la collaboration. Vous aurez accès à des équipements de pointe et à des ressources de recherche de premier ordre pour mener à bien vos missions. Éventuellement, les travaux menés donneront lieu à une publication scientifique.

Contexte:

Depuis les années 2000 le Cloud constitue l'infrastructure majeure de calcul et de stockage de données au niveau mondial. Cependant, il est confronté actuellement à des évolutions majeures structurelles, techniques et économiques. D’où surgit l’intérêt de l’étendre via ses infrastructures aux niveaux Edge et IoT (Internet des Objets) afin d’obtenir un continuum Cloud-Edge-IoT (CEI).

Qu'attendons-nous de vous ?

L’objectif du stage est de mettre en place un apprentissage fédéré hiérarchique adapté au continuum CEI, c’est-à-dire réaliser l’apprentissage d’un modèle de Machine Learning à partir des données provenant des acteurs de la couche IoT (par exemple, des smartphones) mais sans centraliser les données au sein du Cloud. Une attention toute particulière sera portée à la robustesse de l'apprentissage face à l’hétérogénéité des devices qui est inhérente à un environnement CEI. Nous souhaitons mettre en place une fonction de monitoring (quels smartphones sélectionner pour l’apprentissage au round T ?) adaptée à l'apprentissage fédéré hiérarchique afin d’optimiser la performance du modèle et le cout de l’apprentissage. Les évaluations seront menées dans un environnement de simulation.

#Cea-List

Le stage s’adresse à un(e) étudiant(e) du cycle ingénieur/universitaire cherchant un stage M1/M2 et manifestant l’envie de travailler dans le milieu de la recherche.

Idéalement, le candidat suit actuellement une formation en lien avec le domaine de l’Intelligence Artificielle/Machine Learning. La connaissance des algorithmes d’optimisation en Machine Learning ainsi que la maîtrise de Python sont indispensables. 

Une connaissance des enjeux et méthodes de l’apprentissage fédéré ainsi que des notions en apprentissage par renforcement seront fortement appréciées.

Le/la candidat(e) devra être capable d'apporter ses idées novatrices, son enthousiasme, sa rigueur et devra faire preuve d’un esprit d’équipe prononcé.