Apprenti.e en IA et Modèles de Langage

Descriptif de la mission

centre français de rayonnement synchrotron, situé sur le plateau de Saclay près de Paris. Il s’agit d’un instrument pluridisciplinaire et d’un laboratoire de recherche, ayant pour mission de conduire des programmes de recherche en utilisant le rayonnement synchrotron, de développer une instrumentation de pointe sur les lignes de lumière et de mettre celles-ci à la disposition de la communauté scientifique. Le synchrotron , outil unique à la fois en matière de recherche académique et d’applications industrielles, a ouvert en 2008. Il est utilisé annuellement par plusieurs milliers de chercheurs français et étrangers, à travers un large éventail de disciplines telles que la physique, la biologie, la chimie, l’astrophysique, l’environnement, les sciences de la terre, etc.

I.Mission
L'apprenti.e, encadré.e par un ingénieur en IA au sein du Groupe Réduction de Données, participera au développement et à l'optimisation des techniques de réduction de données et des modèles de langage pour les processus de recherche

II.Responsabilités et tâches
-Collaborer avec l'équipe de Réduction de Données pour déterminer la portée et les cas d'utilisation de l'application des GML dans les processus de recherche de Soleil.
-Mener une enquête et une comparaison des modèles fondamentaux actuels.
-Travailler sur le réglage fin des GML pour les cas d'utilisation spécifiques et les tâches spécifiques au domaine de Soleil.
-Développer des stratégies pour créer des modèles plus petits et spécifiques aux cas d'utilisation.
-Aider à maintenir et à surveiller la performance des GML dans un environnement de production local, en tenant compte de la nature sensible de certaines données de Soleil.
-Concevoir des mécanismes de protection pour les utilisateurs contre les hallucinations des modèles et les générations de réponses fausses ou inventées, compte tenu de l'importance de la confiance dans les communautés de recherche expérimentale.

Profil recherché 

CONNAISSANCES DE BASES INDISPENSABLES :
-Bases de la programmation dans au moins un langage;
-Connaissances solides en algorithmie et structures de données;
-Des connaissances solides en mathématiques appliquées, notamment les probabilités et l’optimisation.

CONNAISSANCES ET/OU COMPÉTENCES COMPLÉMENTAIRES ÉVENTUELLES :
-Appétence actualités scientifiques
-Python, R
-Une connaissance sur les modèles de deep learning serait appréciée.

QUALITÉS REQUISES TECHNIQUES/MOYENS UTILISÉS
-Curiosité et initiative personnelle
-Compréhension des besoins et adaptation à des contextes et des interlocuteurs variés
-Rigueur, respect des délais

TECHNIQUES/MOYENS UTILISÉS
-github/gitlab
-Debian/Ubuntu, Jupyter Notebook
-Messagerie interne : partage.