Grande École du Numérique créée en 1936, l’Efrei est un acteur indépendant majeur de l’enseignement supérieur et de la transformation numérique. Installée à Paris ainsi qu’à Bordeaux, l’Efrei forme 5 700 étudiants dans son programme Grande École d’ingénieurs et dans ses Programmes Experts du numérique (bachelors, mastères…), et propose également une offre de formation continue.
Rejoindre l’Efrei, c’est bien plus que rejoindre simplement un leader de l’enseignement supérieur de premier plan, c’est vouloir s’engager dans un projet pédagogique et humain centré sur les étudiants, avec l’assurance d’avoir les moyens de ses ambitions tout en vivant dans un cadre professionnel exceptionnel au sein de nos campus.
Leader indépendant reconnu d’intérêt public par l’État (EESPIG), l’Efrei est habilitée par la Commission des titres d’ingénieurs (CTI) et fait partie de la Conférence des Grandes Écoles. Depuis janvier 2022, l’Efrei est établissement composante de Paris Panthéon-Assas Université.
L’apprentissage automatique, et en particulier les approches non supervisées, constitue aujourd’hui un pilier essentiel de la recherche en intelligence artificielle. Ces méthodes permettent d’identifier automatiquement des structures latentes ou des organisations cachées au sein des données, sans nécessiter de labels ou d’annotations préalables.
Parmi les méthodes prometteuses, les approches neuronales proposent un cadre flexible et puissant pour le clustering et le biclustering. Ces techniques permettent de capter des structures complexes tout en gérant la haute dimensionnalité des données. Cependant, l’application de ces méthodes à des jeux de données pose encore plusieurs défis majeurs :
Assurer la qualité et la robustesse des groupements obtenus ;
Améliorer l’interprétabilité des modèles, un enjeu crucial dans le contexte médical ;
Optimiser les performances computationnelles, notamment pour le traitement de données volumineuses ou multimodales.
Ce stage s’inscrit dans cette perspective et vise à explorer, adapter et comparer différentes approches neuronales non supervisées pour répondre à ces problématiques, tout en veillant à la reproductibilité des expérimentations et à la pertinence clinique des résultats.
Vous êtes étudiant en M2/ING3 en data science avec une excellente maîtrise des fondamentaux du machine learning et une solide pratique de Python. Vous possédez une expérience des frameworks de deep learning tels que PyTorch ou TensorFlow/Keras et une bonne connaissance des architectures neuronales.
Vous vous distinguez également par de fortes compétences analytiques et une grande rigueur scientifique.
L’Efrei est engagée en faveur de l’égalité des chances et encourage les candidatures de personnes en situation de handicap. Tous nos postes sont ouverts à tous les talents.