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, le deep learning est employé, entre autres, par Microsoft (afin de permettre une traduction en temps réel des conversations Skype) ou encore Facebook.
Aujourd’hui le deep learning et ses extensions comme le « reinforcement learning ou les « recurrents neural network » sont au cœur des systèmes intelligents, qu’ils soient implantés dans les centres de données, cloud, passerelles ou objets connectés. On le retrouve par exemple dans le système de pilotage des voitures autonomes.
Les réseaux de neurones ont de nombreux domaines d’application allant du traitement du langage naturel à la reconnaissance faciale. On trouve notamment parmi eux les generative models. Ces systèmes sont capables de générer de nouveaux échantillons à partir d’échantillons préexistants. Ils sont particulièrement utilisés dans le cas de la génération . La qualité des échantillons générés par de nouveaux generative models ouvre de nombreuses perspectives. Ils peuvent notamment être utilisés pour augmenter la taille de datasets existants ou modifier leurs propriétés.
La mise au point des réseaux de neurones est une tache fastidieuse qui suit une démarche empirique avec de nombreuses expérimentations couteuses en temps.
Mission
L’objectif de ce stage est d’utiliser les generative models pour créer de nouveaux échantillons répondant à certains besoins de l’équipe. Ces datasets générés pourront entre autres être ré-exploités par des réseaux de neurones de l’équipe pour améliorer leurs performances. Le stagiaire pourra être amené à :
-Implémenter des generative models détaillés dans des papiers de recherche.
-Concevoir de nouvelles architectures de réseaux de neurones mettant en jeux de generative models.
-Gérer l’entrainement de réseaux de neurones et optimiser leurs performances.
Compétences
Vous maîtrisez les environnements Linux.
Vous avez un bon niveau en programmation (python, java, C++).
Vous possédez un bon niveau danglais.
Des connaissances/compétences en data science, notamment en deep learning, seraient un plus.
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.
09-04-2024
Sélectionnez le secteur qui vous intéresse ci-dessous et n'oubliez pas votre adresse email!
