AI Engineer Intern (ID247)

Titre du Poste: 

AI Engineer Intern (6 mois)

Titre du Projet:  

Généralisation Few-Shot de classificateurs IA entre différentes configurations de capteurs industriels

À propos de SLB: 

Nous sommes une entreprise technologique mondiale, moteur de l'innovation énergétique pour un équilibre planétaire. 

Chez SLB, nous créons des technologies incroyables qui ouvrent l'accès à l'énergie au bénéfice de tous. C'est notre raison d'être. En tant qu'innovateurs, c'est notre mission depuis 100 ans. Nous faisons face au plus grand défi d'équilibre au monde : réduire simultanément les émissions tout en répondant à la demande croissante en énergie. Nous travaillons chaque jour pour trouver des solutions, un pas après l'autre. 

Notre avenir collectif dépend de la décarbonisation de l'industrie des énergies fossiles, tout en innovant dans un nouveau paysage énergétique. C'est ce qui nous motive. Assurer le progrès pour les personnes et la planète, dans un cheminement vers la neutralité carbone et au-delà. Pour un équilibre planétaire. 

Notre mission : Ensemble, nous créons des technologies incroyables qui ouvrent l'accès à l'énergie au bénéfice de tous. Vous pouvez en savoir plus sur nous via ce lien: https://www.slb.com/who-we-are. 

Localisation:  

Clamart, Paris 

Description et Périmètre: 

Les modèles d’IA appliqués aux données de capteurs industriels offrent généralement de bonnes performances sur les équipements utilisés pour leur entraînement, mais leur efficacité diminue lorsqu’ils sont appliqués à de nouvelles configurations de capteurs.

L’objectif de ce stage est d’explorer des techniques d’apprentissage permettant d’adapter rapidement un modèle à de nouveaux instruments à partir d’un nombre limité d’exemples annotés.

Le projet s’appuie sur un système de détection d’anomalies déjà déployé pour les opérations de forage. Le stagiaire étudiera des approches de metric learning et de few-shot learning afin d’améliorer la capacité de généralisation du modèle entre différents types de capteurs. 

Responsabilités: 

• Réaliser un état de l’art sur le metric learning et le few-shot learning.
• Reproduire et analyser le modèle de référence existant.
• Développer et comparer plusieurs approches de classification basées sur l’apprentissage métrique.
• Concevoir un protocole d’évaluation représentatif du scénario « nouveau type de capteur ».
• Réaliser des campagnes d’expérimentation et analyser les performances par famille d’instruments.
• Documenter les développements et garantir la reproductibilité des résultats.
• Rédiger un mémoire de stage et contribuer à un article technique ou scientifique.

Qualifications: 

• Licence ou Master en informatique, intelligence artificielle, data science, mathématiques appliquées ou traitement du signal.
• Python et PyTorch.
• Deep Learning et architectures Transformer.
• Machine Learning et analyse de données.
• Git et gestion d’expériences reproductibles.
• Connaissances en metric learning (contrastive learning, triplet loss, prototypical networks).
• Expérience en traitement du signal ou analyse temps-fréquence.
• Anglais professionnel

SLB est un employeur offrant l'égalité des chances en matière d'emploi. Les candidats qualifiés sont considérés sans distinction de race, de couleur, de religion, de sexe, d'orientation sexuelle, d'identité de genre, d'origine nationale, d'âge, de handicap ou d'autres caractéristiques protégées par la loi. 

Le processus de recrutement et le poste peuvent être adaptés pour répondre à la plupart des handicaps. N'hésitez pas à le mentionner lors de votre candidature.