Utilisation de Transformers pour exploiter et optimiser les bases de données expérimentales et [...]

Utilisation de Transformers pour exploiter et optimiser les bases de données expérimentales et numériques

Veuillez partager cette offre sur Facebook, Twitter et LinkedIn.

• Fonction publique : Fonction publique de l'État
• Employeur : Centre national de la recherche scientifique (CNRS)

• Nature de l’emploi : Emploi ouvert uniquement aux contractuels
• Nature du contrat : Non renseigné
• Expérience souhaitée : Non renseigné

Rémunération : Fourchette indicative pour les contractuels à partir de 3021,50 € brut mensuel. Fourchette indicative pour les fonctionnaires : Non renseignée.

• Catégorie : Catégorie A (cadre)
• Management : Non renseigné
• Télétravail possible : Non renseigné

Missions

En s’appuyant sur les compétences du laboratoire en modélisation, simulation et expérimentation des structures et matériaux, ainsi que sur l’intelligence artificielle et la science des données, l’objectif de l’ingénieur recruté est de faciliter l’exploitation des bases de données expérimentales et numériques en mécanique par l’intermédiaire de l’apprentissage automatique basé sur des réseaux de neurones de type RNN ou Transformers, en particulier pour le traitement des séries temporelles.

Activités

• Analyse des bases de données incluant des résultats de type "données temporelles"
• Mise en place de réseaux de neurones de type RNN
• Mise en place de réseaux de neurones de type Transformers
• Validation et comparaison avec les autres méthodes utilisées au LAMIH

Contexte de travail

Le LAMIH UMR CNRS 8201 (Laboratoire d’Automatique, de Mécanique et d’Informatique Industrielles et Humaines) est une unité mixte de recherche entre l'Université Polytechnique Hauts de France (UPHF) et le CNRS, spécialisée dans le transport et la mobilité humaine. Le travail se fait en collaboration entre les départements Informatique et Mécanique.

Profil recherché

Compétences :
- Diplôme de Master ou d’ingénieur en informatique ou mathématiques appliquées
- Bonnes connaissances en programmation sous Python et en apprentissage automatique
- Connaissances souhaitées d'une ou plusieurs bibliothèques de deep learning (TensorFlow, PyTorch, Scikit-learn)
- Aptitude au travail en équipe, curiosité et adaptabilité pour développer un projet interdisciplinaire
- Bonne communication, bon anglais scientifique à l’oral et à l’écrit

Contraintes et risques

Compte tenu des spécificités de l'unité, des fermetures sont imposées par l'UPHF : 4 semaines pour la fermeture estivale, 2 semaines en fin d'année, 1 semaine pendant les vacances d'hiver, 1 semaine pendant les vacances de printemps. L'agent recruté sera tenu de prendre ses congés durant ces périodes.

Niveau d'études minimum requis

• Niveau : Niveau 8 Doctorat/diplômes équivalents