Apprentissage incrémental basé sur la modélisation de la mémoire humaine H/F
Stage Grenoble (Isère) Développement informatique
Description de l'offre
Détail de l'offre
Informations générales
Entité de rattachement
Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).
Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.
Référence
2020-14516Description du poste
Domaine
Mathématiques, information scientifique, logiciel
Contrat
Stage
Intitulé de l'offre
Apprentissage incrémental basé sur la modélisation de la mémoire humaine H/F
Sujet de stage
L'équipe du laboratoire LIIM (Laboratoire Intelligence Intégrée Multi-capteurs) du CEA LIST développe depuis plusieurs années des algorithmes d'apprentissage incrémental qui permettent à une application embarquée d'apprendre de nouvelles tâches en continu sans oublier les tâches précédemment apprises. Ces algorithmes ont été développés pour des applications de vision par ordinateur et ont été évalués sur des bases de données classiques type MNIST, CIFAR10 et CIFAR100. Aujourd'hui, l'objectif du laboratoire est d'étendre ces algorithmes à des bases de données plus conséquentes types IMAGENET.
Durée du contrat (en mois)
6 mois
Description de l'offre
L'objectif du stage sera donc d'améliorer le modèle existant pour permettre un passage à l'échelle tant d'un point de vue de la dimension des images en entrée que du nombre de classes qui peuvent être apprise de manière incrémentale.
Ainsi, les étapes du stage seront les suivantes :
Etude des modèles d'apprentissage incrémental développé au LIIM pour de la vision par ordinateur.
Amélioration des modèles en utilisant une méthode de réinjections au niveau de la partie dense du modèle (classifieur)
Développement d'une méthode d'apprentissage incrémental sur l'extracteur de caractéristiques
Rédaction du rapport
Profil recherché
Profil du candidat
Ce sujet est un projet de fin d'études et est proposé pour des étudiant(e)s en fin de master ou de cursus ingénieur.
Le candidat a reçu une formation en machine learning/deep learning. Il a des compétences en programmation Python ainsi qu'une connaissance des outils de versioning (git). Il est familier avec l'outil Tensor Flow.
Pour information, après ce stage, le candidat pourra postuler aux très nombreuses offres de thèse proposées par les différents centres du CEA.