Know ATS Score
CV/Résumé Score
  • Expertini Resume Scoring: Our Semantic Matching Algorithm evaluates your CV/Résumé before you apply for this job role: Apprentissage distribué sur des flux de données sur application médicale et environnementale.
France Jobs Expertini

Urgent! Apprentissage distribué sur des flux de données sur application médicale et environnementale Job Opening In Annecy – Now Hiring Mickael Bettinelli

Apprentissage distribué sur des flux de données sur application médicale et environnementale



Job description

Description

L’apprentissage fédéré (Google, ) est une approche d’apprentissage distribué permettant d’entraîner un modèle global à partir de données réparties chez plusieurs clients, sans centraliser ces données.

Cette méthode est particulièrement utilisée dans les domaines sensibles (santé, embarqué, IoT) pour des raisons de confidentialité.

Chaque client du système possède un jeu de données local qui lui permet de s’entraîner et partager ensuite sa connaissance.

Ce partage permet l’agrégation des modèles, une étape critique qui consiste en la fusion des paramètres obtenus par chaque client pour créer un modèle global plus général et redistribué à tous les participants.

Néanmoins, les méthodes d’agrégation issues de l’état de l’art prennent peu en compte les structures de réseaux paires à paires et les flux de données évoluant dans le temps.

Ces conditions illustrent pourtant les cas d’utilisation réels et augmentent le risque de pénaliser les performances du modèle général.

Nous nous concentrerons notamment sur deux aspects : comprendre les changements de la distribution des données dans le temps sur l’apprentissage des modèles locaux et du modèle global pour de l’apprentissage fédéré centralisé le développement de méthodes d’apprentissage fédéré décentralisées.

Le travail sera réalisé à l’aide d’un framework développé au laboratoire.

Les tâches seront les suivantes : 

  • Prise en main et enrichissement du framework et des jeux de données.

  • Etat de l’art sur l’apprentissage fédéré, les fonctions d’agrégation, l’apprentissage fédéré décentralisé et l’apprentissage continuel.

  • Proposition d’une solution pour améliorer l’apprentissage des modèles locaux et globaux dans l’apprentissage fédéré et l’apprentissage fédéré décentralisé avec un flux de données.

  • Rédaction d’un article de recherche
  • Ce stage vous permettra d’apprendre à : 

  • Maîtriser les principes et défis du deep learning et de l’apprentissage fédéré.

  • Développer des compétences de méthodologie scientifique (lecture critique, évaluation, comparaison).

  • Rédiger une publication scientifique (en tant que co-auteur).

  • Préparer une éventuelle poursuite en doctorat ou en R&D dans l’industrie.

  • Profile

    Nous recherchons un stagiaire de niveau bac, en master ou en école d'ingénieur.

    Pour candidater, il est nécessaire d'avoir suivi une formation en informatique.

    Les connaissances attendues du candidats portent sur le deep learning, Tensorflow et Python.

    Starting date

    -02-02


    Required Skill Profession

    Computer Occupations



    Your Complete Job Search Toolkit

    ✨ Smart • Intelligent • Private • Secure

    Start Using Our Tools

    Join thousands of professionals who've advanced their careers with our platform

    Rate or Report This Job
    If you feel this job is inaccurate or spam kindly report to us using below form.
    Please Note: This is NOT a job application form.


      Unlock Your Apprentissage distribué Potential: Insight & Career Growth Guide