En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Thèse sur Sobriété énergétique en apprentissage fédéré (H/F)

Cette offre est disponible dans les langues suivantes :
- Français-- Anglais

Date Limite Candidature : jeudi 28 septembre 2023

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Informations générales

Intitulé de l'offre : Thèse sur Sobriété énergétique en apprentissage fédéré (H/F)
Référence : UPR8001-BALPRA-006
Nombre de Postes : 1
Lieu de travail : TOULOUSE
Date de publication : jeudi 7 septembre 2023
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 2 octobre 2023
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel
Section(s) CN : Sciences de l'information : fondements de l'informatique, calculs, algorithmes, représentations, exploitations

Description du sujet de thèse

Les technologies de l'IA sont aujourd'hui trop gourmandes en énergie pour être compatibles avec nos objectifs de développement durable. Si des travaux récents ont permis d'évaluer l'empreinte carbone des méthodes d'apprentissage traditionnelles, celle d'une approche émergente comme l'apprentissage fédéré est mal connue. Le projet DELIGHT vise à évaluer finement et à réduire la consommation énergétique de l'apprentissage fédéré en utilisant différents leviers. Étant donné l'hétérogénéité des données, un autre objectif du projet sera l'étude du processus de négociation et de formation d'une coalition entre les nœuds pour comprendre dans quelle mesure un nœud a intérêt à collaborer avec d'autres. Les techniques développées seront validées empiriquement sur des tâches de vision par ordinateur et de TALN en utilisant le toolkit Flower.
Dans le cadre de la thèse, on se focalisera sur les modèles de consommation énergétique et sur les mécanismes permettant de réduire cette consommation, en particulier les techniques de compression de gradient, de data summarization et de speed-scaling.

Contexte de travail

La travaux seront menés au sein de l'équipe SARA au LAAS-CNRS

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.