Fairness-Focused Deep Learning Intern

Artefact; Paris; Hybrid; EUR 12.000 - 17.000; Vollzeit

Zusammenfassung

Artefact, centre de recherche à Paris, propose un stage de master de 4 à 6 mois débutant en hiver 2026-2027. L’objectif est d’étudier les réseaux de neurones et de travailler sur des méthodes de réduction des biais liés à une variable sensible continue.

Le stagiaire utilisera des bibliothèques open source (PyTorch, scikit-learn), implémentera des régularisations liées à la dépendance et préparera un protocole de comparaison robuste en collaboration avec l’équipe IA.

Qualifikationen

• BAC+4/BAC+5 en mathématiques appliquées, statistiques ou machine learning nécessaire
• Stage de césure ou fin d’études obligatoire
• Connaissance souhaitée de PyTorch et scikit-learn

Aufgaben

• Explorer les méthodes de réduction des biais dans les réseaux de neurones.
• Implémenter des régularisations basées sur des mesures de dépendance comme Hirschfeld-Gebelein-Rényi.
• Concevoir et tester de nouvelles méthodes adaptées aux variables continues.
• Utiliser PyTorch et scikit-learn sur des jeux de données publics pour reproductibilité.

Kenntnisse

Mathématiques appliquées

Statistiques

Machine learning

Ausbildung

BAC+4/BAC+5 en mathématiques appliquées, statistiques ou ML

Tools

PyTorch

scikit-learn

Jobbeschreibung

Artefact, centre de recherche à Paris, propose un stage de master de 4 à 6 mois débutant en hiver 2026-2027. L’objectif est d’étudier les réseaux de neurones et de travailler sur des méthodes de réduction des biais liés à une variable sensible continue.

Le stagiaire utilisera des bibliothèques open source (PyTorch, scikit-learn), implémentera des régularisations liées à la dépendance et préparera un protocole de comparaison robuste en collaboration avec l’équipe IA.