Rejoins OCTO respecte votre vie privée

Ce site web stocke des informations vous concernant via le dépôt de cookie afin de mesurer l’audience du site. Ces données de navigation sont anonymisées.

En cliquant sur « OK pour moi », vous manifestez votre consentement pour le dépôt de ces cookies.

Lire la politique de confidentialité

À propos des cookies

Sur ce site, nous utilisons des cookies pour mesurer notre audience, entretenir la relation avec vous et vous adresser de temps à autre du contenu qualitif ainsi que de la publicité. Vous pouvez sélectionner ici ceux que vous autorisez à rester ici.

Cookies
Blog Candidature spontanée
photo illustrative d'employés OCTO en train de travailler

PIML et PINN : Physics-Informed Machine Learning & Neural Networks.

Postuler
Scroll

Why
du stage.

Mettre le Machine Learning au service de la Science.

PIML et PINN ont des applications prometteuses en sciences fondamentales comme en ingénierie. Ce sont des approches de recherche en plein essor, testons-les sur le terrain !

Profil.

  • Vous êtes actuellement en dernière année d’école d’ingénieurs ou université et vous cherchez un stage de fin d’études
  • Vous connaissez les principes de base du machine learning, en particulier les réseaux de neurones, sans forcément être un expert. Vous avez déjà manié Python et Tensorflow ou PyTorch sur un projet concret, même si c’est dans un cadre scolaire
  • Vous aimez les maths, la physique ou la chimie, et les équations différentielles ne vous font pas peur. Vous savez décliner un problème mathématique en programme informatique
  • Vous avez envie de travailler sur un sujet pointu qui favorise le dialogue entre chercheurs et Data Scientists
  • Si vous avez déjà des notions, même de cours, de calcul scientifique, c’est encore mieux !

Missions.

  • Maîtriser la librairie d’apprentissage d’équations différentielles DeepXDE, et potentiellement y apporter des contributions
  • Avec l’aide d’experts métier, traduire un problème d’ingénierie industrielle faisant appel à des équa diff, en programme utilisant DeepXDE. Itérer sur le programme, la modélisation et les données pour tenter de résoudre le problème. Identifier les limites
  • Synthétiser les résultats dans une présentation, des articles de blog, et, si pertinent, un article scientifique

Encadrement.

1. Découverte

A partir de points d’entrée fournis, vous mènerez une recherche bibliographique sur PIML et PINN. La bibliographie couvrira les fondamentaux théoriques de ces approches, ainsi que des applications concrètes en milieu industriel. Vous prendrez également en main le framework DeepXDE, ou une alternative identifiée lors de la phase de recherche qui vous semblerait meilleure (après validation des encadrants)

2. Application

Après avoir pris connaissance du cas proposé et de ses données, vous proposerez une implémentation sous forme de programme utilisant DeepXDE ou son alternative. Une implémentation de bout en bout, même simpliste mais avec un code de qualité, est attendue rapidement pour ensuite faciliter l’affinage (modélisation, paramétrage, …). Nous attendrons aussi des propositions sur la mise en place d’un protocole expérimental logiciel permettant de guider cet affinage. Cette phase se déroulera avec une méthodologie agile

3. Synthèse et partage

Au regard des résultats discutés avec les experts et les encadrants, vous statuerez sur l’intérêt de l’approche en contexte industriel concret

Vous partagerez les résultats dans des publications internes et externes

Et après...

Après la signature du CDI débute le Graduate Program, un accélérateur de carrière de 8 mois.

Conditions.

Stage de pré-embauche, Rémunération : 1500€/mois.

Postuler à cette offre