Stage -Utilisation de l'apprentissage machine frugal pour la détection de chutes des personnes âgées H/F

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 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

• La conscience des responsabilités

• La coopération

• La curiosité

Référence

Description de l'unité

Localisé à Grenoble, le Leti est un institut de recherche du CEA qui s'emploie quotidiennement à faire le lien entre la recherche en micro et nanotechnologies et les applications industrielles ou grand public dans le but d'améliorer la qualité de vie de chacun. Le Leti compte plus de 2000 chercheurs de haut niveau et possède des bureaux aux US et au Japon.

Au sein de cet institut, le Service Systèmes de Capteurs et Electronique pour l'Energie (SSCE) mène à travers son Laboratoire Signaux et Systèmes de Capteurs (LSSC) des activités dans le domaine de la fusion de signaux capteurs, exploitant la multi-modalité via des études en traitement du signal, en traitement de l'information, et de l'algorithmique embarquée. Ces études se focalisent notamment sur les fonctions de capture de contexte et d'interaction avec l'environnement à partir de systèmes de capteurs nomades.

Domaine

Mathématiques, information  scientifique, logiciel

Contrat

Stage

Intitulé de l'offre

Stage -Utilisation de l'apprentissage machine frugal pour la détection de chutes des personnes âgées H/F

Sujet de stage

Les chutes représentent un grand danger pour les personnes âgées. Elles entraînent souvent des hospitalisations. Ce projet se concentrera donc sur le développement d'un outil capable de détecter automatiquement les chutes grâce à un dispositif portable équipé d'une centrale inertielle portée par le sujet. La finalité de cette approche serait alors de minimiser les risques associés aux chutes non détectées. Pour atteindre cet objectif, on va s'intéresser à des méthodes d'apprentissages machines "frugales" capables d'effectuer l'inférence locale sur le dispositif portable. Un ensemble de données existantes comprend divers types de mouvement (marcher, monter/descendre des marches ... ) mais également diverses configurations de chute simulées dans nos installations expérimentales.

Le principal objectif du stage sera donc de concevoir et former un modèle approprié. Il devrait être économique et petit.

Durée du contrat (en mois)

6 mois

Description de l'offre

Ce stage vise à développer un algorithme permettant de détecter ces chutes à partir d'un dispositif contenant une centrale inertielle portée sur le sujet(accéléromètre). L'objectif étant de pouvoir utiliser ce système afin de limiter les risques liés aux chutes non détectées.

Pour cela nous allons explorer des techniques d'apprentissage machine frugal afin d'exécuter l'inférence localement sur le dispositif porté par le patient sans nécessité de connexion internet ni de transfert de données personnelles vers un serveur externe.

Une base de donnée a déjà été préparée avec différents types de mouvements (marche, escalier...), mais aussi différentes situations de chute simulées dans notre laboratoire.

Au cours du stage, il faudra  développer un modèle et l'entrainer. Le modèle doit être frugal car il sera utilisé directement sur le matériel embarqué qui ne dispose pas forcément d'une grande puissance de calcul et d'autonomie.

L'autonomie est un point crucial puisque la batterie du dispositif doit durer plusieurs jours avant recharge. Des techniques d'optimisation tel que la quantization et le pruning seront utilisés pour réduire la taille du modèle.

Moyens / Méthodes / Logiciels

Python + Pytorch + Numpy + Matplotlib + Scikit Learn + Jupyter Notebooks

Profil du candidat

Le stagiaire devrait maitriser Python et avoir quelques notions basiques en mathématiques appliquées. Cela incluraient : statistiques descriptives, probabilités élémentaires, optimisation linéaire simple, etc.. De plus, c'est important qu'il connaisse bien les concepts fondamentaux de Machine Learning comme classification supervisée, régression logistique, sélection de features, etc., même si aucune expertise n'est nécessaire. Les compétences suivantes seraient bénéficiales :

- Optimisation numérique
- Apprentissage automatisé profond
- Modélisation bayésienne

Site

Grenoble

Localisation du poste

France, Auvergne-Rhône-Alpes, Isère (38)

Ville

Grenoble

Critères candidat
Langues

Anglais (Intermédiaire)

Diplôme préparé

Bac+5 - Diplôme École d'ingénieurs

Formation recommandée

traitement de signal

Possibilité de poursuite en thèse

Non

Disponibilité du poste

01/02/2024

---