Emplois actuels liés à Stage - Modèles de Deep Learning en nanométrologie : segmentation d’instances de particules non[...] - Trappes - LNE
-
Trappes, France LNE Temps pleinStage - Modélisation de l’espace latent pour les modèles de Deep Learning utilisés en segmentation d’instances H/F Join to apply for the Stage - Modélisation de l’espace latent pour les modèles de Deep Learning utilisés en segmentation d’instances H/F role at LNE Des travaux de recherche sont menés depuis plusieurs années au sein du...
-
Av. Roger Hennequin Trappes, France LNE Temps pleinContexteDes travaux de recherche sont menés depuis plusieurs années au sein du département Science des Données et Incertitudes sur l'évaluation des incertitudes associées aux prédictions des algorithmes d'apprentissage. Une thèse portant sur deux sources d'incertitude (incertitude prédictive induite par l'incertitude des entrées [Monchot et al.,...
-
Stage: Espaces Latents pour Segmentation d’Instances
il y a 7 jours
Trappes, France LNE Temps pleinUne entreprise de recherche propose un stage en modélisation de l'espace latent pour des modèles de Deep Learning, avec une rémunération de 1280 € brut par mois. Le stagiaire s'investira dans des travaux de recherche sur l'évaluation des incertitudes liées aux algorithmes d'apprentissage. Des compétences en Python, ainsi qu'une connaissance de...
-
Trappes, France Laboratoire National De Métrologie Et D'Essais Temps pleinContexte Depuis plusieurs années, le LNE développe une plateforme (CARMEN) regroupant plusieurs instruments dédiés à la métrologie des nanomatériaux. L'objectif est de caractériser diverses propriétés physico-chimiques de nanoobjets : taille, forme, composition chimique, structure cristallographique, surface spécifique, état...
-
Trappes, Île-de-France LNE Temps pleinContexteDepuis plusieurs années, le LNE développe une plateforme (CARMEN) regroupant plusieurs instruments dédiés à la métrologie des nanomatériaux. L'objectif est de caractériser diverses propriétés physico-chimiques de nanoobjets : taille, forme, composition chimique, structure cristallographique, surface spécifique, état...
-
Stage Modélisation Hydrogéologique
il y a 2 semaines
Trappes, France Eramet Temps pleinChez Eramet, nous sommes convaincus que le monde a besoin de métaux issus d’une industrie minière responsable. Nous faisons face au plus grand défi de notre histoire : réussir la transition énergétique et écologique et rétablir les conditions d’une harmonie durable entre l'Humain et la Terre. Cette conviction, nous la partageons avec les 10 700...
-
Stage Prédictions Et Optimisation Des Fours Industriels
il y a 2 semaines
Trappes, France Eramet Temps pleinChez Eramet, nous sommes convaincus que le monde a besoin de métaux issus d’une industrie minière responsable. Nous faisons face au plus grand défi de notre histoire : réussir la transition énergétique et écologique et rétablir les conditions d’une harmonie durable entre l'Humain et la Terre. Cette conviction, nous la partageons avec les 10 700...
-
Trappes, France LNE Temps plein**Contexte** Les incendies extérieurs constituent un risque majeur pour la sécurité des bâtiments, en particulier pour les toitures et couvertures directement exposées. La vulnérabilité est particulièrement marquée pour les constructions situées en interface habitat-forêt, à proximité des sites industriels ou encore dans les zones urbaines...
-
Stagiaire Chargée de Communication
il y a 1 semaine
Trappes, France Envie Trappes en Yvelines Temps pleinENVIE à Paris est un des acteur pionnier de l’Économie Sociale et Solidaire, qui déploie 3 métiers complémentaires : le réemploi, la logistique, et le recyclage des déchets. **Description du poste**: Nous recherchons un(e) stagiaire en communication pour nous aider à promouvoir notre entreprise et à maintenir une communication efficace avec nos...
-
Stage - Evaluation de Modèles D’intelligence Artificielle (H/F)
Il y a 20 minutes
Trappes, France LNE Temps plein**Contexte** Vous intégrerez une équipe d’une quinzaine d’ingénieurs et docteurs régulièrement accompagnés de post-doctorants, doctorants et stagiaires, spécialisée dans l’évaluation et la qualification des systèmes d’intelligence artificielle et la cybersécurité. Cette équipe est historiquement reconnue pour son expertise dans...
Stage - Modèles de Deep Learning en nanométrologie : segmentation d’instances de particules non[...]
il y a 3 semaines
Stage - Modèles de Deep Learning en nanométrologie : segmentation d’instances de particules non sphériques H/F Join to apply for the Stage - Modèles de Deep Learning en nanométrologie : segmentation d’instances de particules non sphériques H/F role at LNE Contexte Les nanomatériaux s’imposent aujourd’hui dans de multiples secteurs d'activités et le cadre réglementaire a été adapté pour prendre en compte leurs spécificités. La première difficulté consiste à identifier le classement comme nanomatériau d’une substance à l’état particulaire en fonction des différentes définitions existantes au niveau français et européen. Dans le cas de nanomatériaux avérés, les différentes exigences réglementaires associées nécessitent la production de données sur les propriétés physico-chimiques (REACH, registre R-Nano) et sur leur transformation possible au cours de la vie de la substance (REACH, Règlement (UE) 2017/745 relatif aux dispositifs médicaux…). Par ailleurs, l'identification des substances comme nanomatériaux est indispensable pour avoir des données fiables pour les évaluations toxicologiques et éco-toxicologiques.Le LNE travaille sur la caractérisation des principales propriétés des nanomatériaux (distribution de taille, surface spécifique, densité…) et ces travaux de stage visent à estimer automatiquement la distribution de taille de particules non sphériques à partir d’images obtenues au microscope électronique à balayage (MEB).Une plateforme Web assure d’ores-et-déjà la segmentation automatique des échantillons par le biais d’algorithmes d’apprentissage profond et cet outil fonctionne actuellement pour des particules quasi-sphériques (argent, or, dioxyde de titane, etc.). Enrichir cet outil permettra d’élargir le périmètre de caractérisation, faciliter le travail des experts en nanométrologie (gain de temps) et estimer précisément la distribution de taille des particules.Ces travaux ambitieux verront le stagiaire participer à la chaîne complète de traitement, de l’annotation des particules au sein des images MEB (enrichissement d’une base existante), à la sélection et à l’entraînement des modèles jusqu’à leur évaluation. Missions Participation à l’agrandissement de la base de données d’entraînement pour des particules non sphériques (annotation, extraction et prétraitement des segmentations pour utilisation par les modèles de segmentation d’instances). Sélection et entraînement d’un ou plusieurs modèles de segmentation d’instances. Évaluation de la robustesse des modèles de segmentation d’instances développés à différents types de bruit sur les images MEB. Proposition de techniques d’augmentation de données visant à améliorer la robustesse des modèles. Rédaction d’un rapport scientifique synthétisant vos résultats. Livraison des codes Python développés. Profil Étudiant(e) en M2 ou en dernière année d'école d'ingénieur, spécialisé(e) en mathématiques ou statistiques appliquées.Doté(e) d'une forte curiosité scientifique et d’un goût pour le travail en équipe, vous souhaitez mettre en œuvre et enrichir vos compétences en apprentissage automatique.La maîtrise du langage de programmation Python est essentielle et la connaissance de PyTorch et des librairies couramment utilisées dans le domaine du Deep Learning est évidemment souhaitée. Gratification 1280 € brut/mois pour une formation Bac +5. #J-18808-Ljbffr
