Missions

DRAIN est un code d’inférence de la pluie obtenu par apprentissage profond (Deep Learning). Il va devoir être optimisé, affiné et repris pour un usage opérationnel.

Activités

Amélioration de l'architecture existante (U-Net). Tester l'apport de blocs communément utilisés en apprentissage profond (blocs d'attention, résiduels, ...).
Reprendre/Affiner l'apprentissage, évaluer/reprendre les stratégies de validation ainsi que les métriques associées.
Livraison attendue d'un code pour passage en production avec documentation des performances et des optimisations.
Accompagnement méthodologique. Réalisation de supports pour cet accompagnement.

Compétences

Bonne maîtrise de la programmation Python/Pytorch.
Bonne connaissance des architectures, des métriques et des algorithmes issus des méthodes d'apprentissage profond.
Capacité de travail en équipe pluri-disciplinaire.
Avoir travaillé sur de l'IA appliquée à des données issues de la physique de l'environnement et/ou de la télédétection est un plus.

Contexte de travail

Le poste à pourvoir est au LATMOS, un laboratoire de recherche public (CNRS-INSU) d'environs personnes travaillant sur l'observation de la Terre et de l'Univers.
Le travail sera mené au sein du pôle transverse IA&Environnement qui a été créé avec pour vocation principale de valoriser les expertises du laboratoire sur l'IA et son application aux phénomènes météorologiques/géophysiques.
Le laboratoire ayant deux sites, la mission s'effectuera principalement sur le site de Guyancourt. Dans le cadre de la mission secondaire (accompagnement méthodologique), pour favoriser les échanges de visu, un temps de l'ordre de deux journées par mois sera passé sur le site de Jussieu.

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.

Contraintes et risques

N/A