Malheureusement cette offre n'est plus active

Stage Accélération du deep Learning sur FPGA H/F à Grenoble

Description du poste

Atos est un leader international de la transformation digitale avec environ 100 000 collaborateurs dans 72 pays et un chiffre daffaires annuel de lordre 12 milliards deuros. Numéro un européen du Big Data, de la Cybersécurité, des supercalculateurs et de lenvironnement de travail connecté, le Groupe fournit des services Cloud, solutions dinfrastructure et gestion de données, applications et plateformes métiers, ainsi que des services transactionnels par lintermédiaire de Worldline, le leader européen des services de paiement. Grâce à ses technologies de pointe et son expertise digitale & sectorielle, Atos accompagne la transformation digitale de ses clients dans les secteurs Défense, Finance, Santé, Industrie, Médias, Énergie & Utilities, Secteur Public, Distribution, Télécoms, et Transports. Partenaire informatique mondial des Jeux Olympiques et Paralympiques, le Groupe exerce ses activités sous les marques Atos, Atos Consulting, Atos Worldgrid, Bull, Canopy, Unify et Worldline. Atos SE (Societas Europea) est une entreprise cotée sur Euronext Paris et fait partie de lindice CAC 40. Pour plus dinformation : fr.atos.net

 

Contexte

Le Deep Learning est une technique d’apprentissage s’appuyant sur des réseaux de neurones multi-couches. En 2012, avec un taux de succès de 70 % supérieur aux méthodes concurrentes. Depuis, les modèles de réseaux de neurones ont continué d’évoluer, et dépassent aujourd’hui les capacités humaines dans de nombreux challenges, comme celui de la reconnaissance d’objet.

De nombreuses solutions basées sur le Deep Learning sont déployées, entre autres, par Microsoft (traduction en temps réel des conversations Skype), Facebook (tag automatique) ou Apple (Siri). Aujourd’hui le Deep Learning et ses extensions comme le « Reinforcement Learning » ou les « Recurrents Neural Networks » sont au cœur des systèmes intelligents, qu’ils soient implantés dans des centres de données, cloud, passerelles, objets connectés ou dans des systèmes de pilotage de voitures autonomes.

Les circuits reconfigurables de type FPGA offrent une alternative intéressante aux traditionnels CPU/GPU pour exécuter les applications Deep Learning:

-Le ratio performance/watt des FPGA est meilleur que les CPU/GPU, ce qui les rendent attractifs pour les applications embarquées de l’internet des objets et les grands calculateurs visant l’exascale.

-Les propriétés intrinsèques des réseaux de neurones (parallélisme, pipeline, granularité) sont adaptées au mode de fonctionnement des FPGAs, permettant d’exploiter efficacement ce type d’architecture afin d’accélérer les phases d’apprentissage, extrêmement couteuses en temps sur des architectures à bases de processeurs.

ATOS BDS R&D développe, en méthode agile (SCRUM), des accélérateurs matériels & logiciels pour les applications basées sur du Machine Learning.

Mission

Le stage consiste à participer aux développements des outils de Deep Learning sur FPGA et démonstrateurs associés.

Diplôme / Formation

Bac +5 (Ingénieur, Master, ...)

Compétences

Vous avez des compétences en développement C/C++, OpenCL, VHDL et intégration continue. Vous maîtrisez les environnements Linux.

Des compétences en Deep Learning et modèle flot de données seraient un plus.

Vous possédez un bon niveau d'anglais.

Vous faîtes preuve de curiosité, d'autonomie et d'une capacité à finaliser un projet. Par ailleurs, vous êtes reconnus pour votre aptitude à travailler en équipe.

Durée : 6 mois

 

Chez Atos la diversité est au cœur de notre politique RH. C'est pourquoi Atos a mis en place un accord relatif à l’égalité professionnelle entre les hommes et les femmes. Par ailleurs, nos métiers sont tous accessibles aux personnes en situation de handicap, et ce quelle que soit la nature de leur handicap.

Date de publication

27-03-2024

Informations supplémentaires

Statut
Inactif
Lieu
Grenoble
Permis de conduire FR/EU exigé
Non
Voiture exigée
Non
Lettre de motivation exigée
Non
Langues
Français