Stage ingénieur : IA Adaptative de confiance : Apprentissage Fédéré et Continu sous Enveloppe de Sécurité (F/M)
Contexte
En robotique, en médecine ou bien dans les flottes de drones autonomes, les systèmes d'IA embarqués évoluent vers des modèles capables d'apprendre après leur déploiement grâce à l’apprentissage continue et fédéré. Le défi est de permettre cette adaptation tout en garantissant que chaque mise à jour reste dans un domaine de fonctionnement sûr (dans une enveloppe de sûreté).
L’objectif de ce stage est de concevoir et démontrer un framework permettant à une IA d'évoluer en opération tout en garantissant le respect de critères de sûreté, de robustesse et de performance.
Vos missions
Le(a) stagiaire prendra en charge/réalisera une ou plusieurs des missions suivantes :
- Définir une enveloppe de sureté pour des modèles d'IA adaptatifs.
- + Implémenter une plateforme d’apprentissage fédéré multi\-agents.
- Intégrer des mécanismes de d’apprentissage évolutif (incrémental)..
- Développer un contrôleur de sureté pour qualifier ou rejeter les mises à jour des modèles.
- Évaluer la dérive, la robustesse et les stratégies de replis.
Niveau d’études : Bac \+ 5, dernière année d’école d’ingénieur électronique ou informatique avec un profil en systèmes embarqués, ou Machine Learning ou numérique,
Compétences recherchées
- Python, PyTorch ou TensorFlow
- Machine Learning / Deep Learning (étendues)
- Programmation en C/C\+\+
- Programmation matlab
- Intérêt pour l'IA de confiance, l’apprentissage fédéré ou l’apprentissage incrémental.
- Autonomie, curiosité scientifique et esprit d'innovation
- Un bon niveau d’anglais est exigé
Safe Adaptive AI: Safety\-Bounded Federated \& Continual Learning (F/M)
Context
In robotics, healthcare, and fleets of autonomous drones, embedded AI systems are evolving toward models capable of learning after deployment through continual learning and federated learning. The challenge is to enable this adaptation while ensuring that every model update remains within a safe operating domain (i.e., within a defined safety envelope).
The objective of this internship is to design and demonstrate a framework that enables an AI system to evolve during operation while ensuring compliance with safety, robustness, and performance requirements.
Your responsibilities
The intern will be responsible for one or more of the following activities:
- Define a safety envelope for adaptive AI models.
- Implement a multi\-agent federated learning platform.
- Integrate continual (incremental) learning mechanisms.
- Develop a safety controller to qualify or reject model updates.
- Evaluate model drift, robustness, and rollback/recovery strategies.
Last year of Engineering school (M2\) in electronics, embedded systems, digital design, and/or Machine Learning etc.
Required Skills
- Python, PyTorch, or TensorFlow
- Strong background in Machine Learning / Deep Learning
- C/C\+\+ programming
- MATLAB programming
- Interest in Trustworthy AI, Federated Learning, or Continual Learning
- Self\-motivated, scientifically curious, and innovative mindset
\#LI\-3842
Cette annonce provient de Indeed. Voir l'annonce originale ↗