Job details
Job Type
Full-time
Temporary
Contract
Full Job Description
Date Limite Candidature : jeudi 7 octobre 2021
Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !
Informations générales
Référence : UMR7248-BENMIR-002
Lieu de travail : SOPHIA ANTIPOLIS
Date de publication : jeudi 16 septembre 2021
Type de contrat : CDD Scientifique
Durée du contrat : 12 mois
Date d'embauche prévue : 1 janvier 2022
Quotité de travail : Temps complet
Rémunération : 2487
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent
MissionsLes missions de ce poste sont les suivantes :
- Développement du framework hw/sw pour l'apprentissage basé sur les spikes et le traitement basé sur les événements,
- Développement de modules d'entrée pour lire les données des jeux de données basés sur les événements,
- Analyse des résultats de post-quantification des modèles neuronaux à spikes sur des jeux de données de la littérature,
- Permettre l'exportation des modèles neuronaux vers du matériel neuromorphique tel que Loihi [4], ou des architectures dédiées FPGA développées au LEAT [3].
- Publications écrites dans des conférences et revues internationales.
Activités
L'objectif est de lier ces réseaux neuronaux spécifiques à des capteurs basés sur les événements (EBS) pour la perception dans les applications de conduite autonome. L'association entre SNN et EBS permettrait de construire une chaîne de traitement complète basée sur les événements [3].
L'objectif de ce poste d'ingénieur de recherche ou de post-doc est de développer un framework matériel-logiciel cohérent pour explorer le paradigme du traitement basé sur les événements en temps réel. Ce cadre sera développé au-dessus de PyTorch du côté logiciel pour supporter différentes règles d'apprentissage (STDP, BP basé sur les pics ...) et sur l'IP RTL SPLEAT du côté matériel. Une représentation intermédiaire sera également développée afin de valider le modèle après quantification sur des jeux de données basés sur des événements. Ce travail sera réalisé en étroite collaboration avec les doctorants impliqués dans le projet.
Compétences
Thèse de doctorat, expertise dans le domaine des réseaux de neurones, réseaux de neurones à spikes, apprentissage automatique, python, neurosciences, systèmes embarqués, conception basée sur FPGA.
Contexte de travail
Les réseaux de neurones à spikes (SNN) sont considérés comme la troisième génération de réseaux de neurones artificiels. Les modèles SNN sont étudiés depuis plusieurs années [1] comme une alternative intéressante aux réseaux de neurones classiques (tels que ceux du Deep Learning) à la fois pour leur réduction de la complexité de calcul dans les topologies de réseaux profonds, mais aussi pour leur capacité naturelle à supporter des règles d'apprentissage non supervisées et bio-inspirées [2]. Ce sujet s'inscrit dans un projet collaboratif entre des laboratoires académiques (LEAT, I3S, Cerco) et Renault pour explorer l'utilisation des SNN dans des cas d'usage automobile.
Références
[1] J. Lobo, J. DelSer, A. Bifet and N. Kasabov. Spiking Neural Networks and online learning: An overview and perspectives. Neural Networks 121 (2020), pp. 88–100.
[2] L. Khacef, N. Abderrahmane and B. Miramond. Confronting machine-learning with neuroscience for neuromorphic architectures design. In Int. Joint Conference on Neural Networks (IJCNN). 2018.
[3] N. Abderrahmane, E. Lemaire and B. Miramond. Design Space Exploration of hardware spiking neurons for embedded Artificial Intelligence. Elsevier Journal on Neural Networks (2019).
[4] M. Davies et al. Loihi: A Neuromorphic Manycore Processor with On-Chip Learning. Micro 2018
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.