AI Research Intern – GroundingMoment

SLB; Clamart; On-site; EUR 10,000 - 15,000; Full time

Job summary

SLB recherche un(e) AI Engineer Intern pour un stage de 6 mois à Clamart (Île-de-France). Vous rejoindrez l’équipe IA chargée du projet GroundingMoment, un modèle multimodal identifiant et interprétant des événements dans des séries temporelles à partir de descriptions en langage naturel.

Le stage vise à renforcer la robustesse du modèle, optimiser son déploiement industriel et contribuer à la publication scientifique des résultats par le biais d’expérimentations et d’analyses approfondies.

Qualifications

• Master 2 ou dernière année d’école d’ingénieur en IA, Data Science, mathématiques appliquées ou discipline connexe.
• Deep Learning et architectures Transformer.
• IA multimodale et modèles de langage (LLM).
• Modélisation de séries temporelles.
• Python et PyTorch.
• Git et bonnes pratiques de développement logiciel.
• Lecture et analyse de publications scientifiques.
• Anglais professionnel.

Responsibilities

• Contribuer au développement et à l’évaluation du modèle GroundingMoment.
• Améliorer l’alignement sémantique entre langage naturel et séries temporelles.
• Expérimenter des méthodes d’augmentation de données et d’attention multimodale.
• Optimiser les performances du modèle pour des environnements industriels.
• Rédiger des résultats et participer à la diffusion scientifique.
• Présenter les résultats et recommandations du projet.

Skills

Deep Learning

Transformer architectures

IA multimodale & LLMs

Modélisation de séries temporelles

Anglais professionnel

Lecture & analyse de publications

Education

Master 2 ou dernière année d’école d’ingénieur en IA / Data Science

Tools

Python

PyTorch

Git

Job description

SLB recherche un(e) AI Engineer Intern pour un stage de 6 mois à Clamart (Île-de-France). Vous rejoindrez l’équipe IA chargée du projet GroundingMoment, un modèle multimodal identifiant et interprétant des événements dans des séries temporelles à partir de descriptions en langage naturel.

Le stage vise à renforcer la robustesse du modèle, optimiser son déploiement industriel et contribuer à la publication scientifique des résultats par le biais d’expérimentations et d’analyses approfondies.