Les offres de “CEA”

Il y a 39 joursCEA

Portage d'algorithmes I/A sur système embarqué H/F

  • Stage
  • Grenoble (Isère)

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

2021-18916

Description de l'unité

Le Laboratoire Intelligence Intégrée Multi-capteurs (LIIM) a pour mission d'étudier et de développer des algorithmes embarqués d'intelligence artificielle, de fusion de données et de perception de l'environnement pour des systèmes cyber-physiques multi-capteurs, de concevoir et d'implémenter des plateformes de démonstration logicielles et matérielles mettant en œuvre ces algorithmes avec l'introduction de technologies innovantes, notamment pour la réalisation de circuits intégrés spécifiques

Description du poste

Domaine

Composants et équipements électroniques

Contrat

Stage

Intitulé de l'offre

Portage d'algorithmes I/A sur système embarqué H/F

Sujet de stage

Portage d'algorithmes avancés d'apprentissage machine sur des systèmes embarqués légers: techniques d'optimisation et de quantification

Durée du contrat (en mois)

6

Description de l'offre

La tendance actuelle est d'embarquer de l'intelligence artificielle au plus près des capteurs. L'objectif est ainsi de réduire la consommation énergétique engendrée par les échanges de données importants avec des centres de données distants. La classification ou segmentation d'images sont des fonctionnalités recherchées pour des nœuds de capteurs compacts, embarqués pour de nombreuses applications comme par exemple le comptage automatisé d'animaux, la surveillance de cultures agricoles ou encore la supervision de systèmes de transport. Habituellement des réseaux de neurones, qui ont été préalablement entrainés dans un centre de calcul, sont déployés dans les systèmes embarqués pour le fonctionnement de telles applications.

Dans de nombreux cas applicatifs, le réseau doit cependant être également capable d'apprendre en continu, de manière incrémental, sur de nouvelles données, sans avoir recours à des sessions massives d'apprentissage, afin de se spécialiser sur son environnement spécifique. Ainsi, au-delà de l'inférence, c'est aussi l'apprentissage du réseau de neurones qui doit être embarqué à proximité du capteur. Une façon pertinente de réaliser un apprentissage incrémental est de suivre des approches bio-inspirées en utilisant des techniques de réapprentissage réduit. Au cours du réapprentissage, de nouvelles données collectées depuis l'environnement du capteur sont entrelacées avec un d'ensemble d'exemples générés à partir des données précédent observées.

L'objectif du stage est d'explorer des algorithmes d'apprentissage incrémental et de proposer des solutions pour les porter sur des cartes embarquées légères. Le travail se focalisera principalement sur la quantification (réduction du nombre de bits) des différents paramètres des réseaux de neurones afin d'optimiser l'empreinte mémoire. En partant de représentation standard 32-bit flottant, des formats plus simples du type 16-bit flottant ou même 16 ou 8-bit virgule fixe seront considérés tout en évaluant l'impact sur la précision en regard des contraintes applicatives.

Le travail de stage s'organisera selon les étapes suivantes :

  • Revue de l'état de l'art sur les algorithmes d'apprentissage incrémental et les méthodes d'apprentissage pour les réseaux quantifiés.
  • Familiarisation avec les outils pour la quantification des réseaux, Tensorflow lite, N2D2.
  • Développement d'un réseau quantifié fonctionnant sur une carte embarquée légère : programmation, debug, optimisation des performances…
    • Implémentation de la quantification pour l'inférence
    • Implémentation du réapprentissage réduit.
  • Etude des compromis possibles entre précision, vitesse d'exécution, coût mémoire sur des réseaux avec un nombre plus réduit de bits.
  • Rédaction du rapport de stage et présentation des travaux.

Moyens / Méthodes / Logiciels

Python, Tensorflow, N2D2, C/C++, Arduino

Profil recherché

Profil du candidat

  • Fin d'étude ingénieur ou master 2.
  • Compétences en systèmes embarqués avec de bonnes connaissances et affinités pour l'apprentissage machine.
  • Opérationnel pour coder en langage Python et C/C++, si possible ayant déjà travaillé sur des cartes de développement de type Arduino ou Raspberry Pi.
  • La connaissance de Tensorflow ou Pytorch serait un plus.

Faire de chaque avenir une réussite.
  • Annuaire emplois
  • Annuaire entreprises
  • Événements