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.
Présentation de l’Efrei Research Lab :
L’Efrei Research Lab est le laboratoire sur le numérique de l’Université Paris Panthéon-Assas, rattaché à l’école doctorale ED 455 EGIC, délivrant le doctorant en informatique. L’Efrei Research Lab comprend une quarantaine d’enseignants-chercheurs et autant de doctorants. Il possède quatre axes de recherche : données et Intelligence Artificielle ; sécurité, résilience et confiance ; réseaux de communication ; systèmes embarqués intelligents. Il développe aussi de la recherche inter- et transdisciplinaire (santé, droit, gestion, information-communication) en particulier au sein de l’Université Paris Panthéon-Assas.
L’intégration du machine learning avec les anciennes méthodes d’optimisation représente une avancée majeure dans la résolution de problèmes complexes. Les méthodes classiques, comme la programmation linéaire ou les algorithmes heuristiques, sont bien établies et offrent des solutions robustes, mais elles peuvent être limitées face à des problèmes à grande échelle ou dynamiques. En incorporant le machine learning, on peut améliorer ces approches en permettant une meilleure exploration de l’espace des solutions, une adaptation aux données en temps réel et une optimisation plus rapide grâce à la prédiction des tendances. Par exemple, les algorithmes d’apprentissage supervisé ou de renforcement peuvent ajuster les paramètres des modèles d’optimisation de manière plus efficace que des techniques purement analytiques. Cette synergie permet non seulement d’améliorer la précision des solutions, mais aussi d’accélérer le processus de décision dans des domaines comme la logistique, la finance et l’intelligence artificielle.
Objectifs du stage :
Certains des objectifs du stage incluent :
Une revue de la littérature sur l’intégration du machine learning avec les anciennes méthodes d’optimisation pour résoudre les problèmes complexes.
Le développement d'algorithmes : proposer une méthode qui combine les heuristiques et les algorithmes de machine learning.
Une partie expérimentale pour tester la méthode proposée sur des données complexes. Présenter l'analyse et les résultats de l'étude.
Le stagiaire sera encouragé à contribuer à une publication.
Nous cherchons un étudiant(e) en Master 2 (ou équivalent) en informatique. Le candidat devra être intéressé par les techniques de machine Learning et d’optimisation et leurs applications.
Le candidat devra maîtriser le langage Python, les concepts de base de la recherche opérationnelle et de la data science, les principaux algorithmes de machine learning ainsi qu’être à l’aise dans l’expression orale.