Informations générales
Entité de rattachement
Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.
Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.
Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.
Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :
• La conscience des responsabilités
• La coopération
• La curiosité
Référence
2024-33356
Description du poste
Domaine
Mathématiques, information scientifique, logiciel
Contrat
Stage
Intitulé de l'offre
Prédiction basée IA de la consommation de ressources dans le continuum CEI H/F
Sujet de stage
Étude comparative de modèles de machine learning pour la prédiction de consommation de ressources dans le continuum CEI.
Durée du contrat (en mois)
6 mois
Description de l'offre
Depuis les années 2000 le Cloud constitue l'infrastructure majeure de calcul et de stockage de données au niveau mondial. Cependant, il est confronté actuellement à des évolutions majeures structurelles, techniques et économiques. D’où surgit l’intérêt de l’étendre via ses infrastructures aux niveaux Edge et IoT (Internet des Objets), c.-à-d. au continuum Cloud-Edge-IoT (CEI).
Le sujet de stage intervient dans le cadre d’un projet du PEPR Cloud qui cible des résultats fortement innovants relatifs à leurs caractéristiques scientifiques mais aussi concernant le développement de nouvelles méthodes permettant de prendre en compte les dépendances multi-niveaux et multi-domaines spécifiques du continuum CEI.
L’objectif de ce stage est de construire des modèles de machine learning adaptés au continuum CEI et dédiés à la prédiction d’utilisation de ressource multi-niveaux (edge et IoT). Ceci permettra d’optimiser la répartition des tâches au sein des unités de calculs. Concrètement, les données à analyser seront des logs sous forme de séries temporelles. Le stagiaire devra mettre en œuvre des modèles adaptés à ce type de données (p.ex. RNN) et établir les avantages/inconvénients d’un apprentissage centralisé vs. distribué.
[1] Bansal, S. and Kumar, M. (2023). Deep learning-based workload prediction in cloud computing to enhance the performance. In 2023 Third International Conference on Secure Cyber Computing and Communication (ICSCCC), pages 635–640.
[2] Paranou, D., Pentelas, A., Katsiros, D., Maidatsis, K., Giannopoulos, G., Angelou, E., Anastopoulos, N., and Papastefanatos, G. (2023). Forecasting resource demand for dynamic datacenter sizing in telco infrastructures. In 2023 IEEE International Conference on Big Data (BigData), pages 3813–3822.
[3] Ding, Z., Feng, B., and Jiang, C. (2022). Coin: A container workload prediction model focusing on common and individual changes in workloads. IEEE Transactions on Parallel and Distributed Systems, 33(12):4738–4751.
Moyens / Méthodes / Logiciels
Tensorflow/Keras; Python, deep learning; Les traces de logs générées par EdgeSimPy.
Profil du candidat
Le stage s’adresse à un(e) étudiant(e) du cycle ingénieur/universitaire cherchant un stage M2 et manifestant l’envie de travailler dans le milieu de la recherche.
Idéalement, le/la candidat(e) suit actuellement une formation en lien avec le domaine de l’Intelligence Artificielle/Machine Learning. La connaissance des principaux algorithmes de machine learning ainsi que la maîtrise de Python sont indispensables. Des connaissances réseau seront appréciées.
Durant le stage, le/la candidat(e) sera encadré par des ingénieurs de recherche. Cependant, nous attendons qu’il/elle soit force de propositions et capable d'apporter sa rigueur, son enthousiasme et sa curiosité pour la recherche. Nous offrons la possibilité à nos stagiaires de participer à la conférence JDSE (Junior conference on Data Science and Engineering) afin de les familiariser avec le déroulement d’une conférence scientifique.
Niveau demandé : diplôme master (BAC+5),
Compétences : IA/ML, Python, Tensorflow/Keras
Pièces à fournir : CV + lettre de motivation + relevés de notes des 3 dernières années,
Conformément aux engagements pris par le CEA en faveur de l’intégration de personnes en situation de handicap, cet emploi est ouvert à tous et toutes.
Localisation du poste
Site
Saclay
Localisation du poste
France, Ile-de-France, Essonne (91)
Ville
Palaiseau
Critères candidat
Langues
- Anglais (Courant)
- Français (Courant)
Diplôme préparé
Bac+5 - Diplôme École d'ingénieurs
Formation recommandée
diplôme master (BAC+5)
Demandeur
Disponibilité du poste
01/02/2025