Ingénieur IA Agentique — Optimisation par Agents LLM

Framatome; Aubigny-sur-Nère; Sur place; EUR 11 000 - 15 000; Plein temps

Résumé du poste

Framatome recherche un stagiaire en Master 2 pour rejoindre le Centre DSAM et contribuer à des recherches appliquées en IA et Data Science. Vous travaillerez sur des systèmes critiques et des méthodes de démonstration, avec un accent sur l'expérimentation et la traçabilité du code.

Le stage implique l'amélioration de stratégies d'agents LLM, l'évaluation des gains et la documentation des résultats, le tout sur un cluster GPU avec du Python et du suivi Git.

Qualifications

• Étudiant(e) en Master 2 ou équivalent, spécialité Science des Données et IA.
• Solides compétences en apprentissage statistique et apprentissage profond.
• Maîtrise de Python et de ses librairies (NumPy, pandas, scikit-learn) et d'un framework DL (PyTorch ou TensorFlow).
• Bonne connaissance des architectures Transformers et des LLM; expérience sur un projet réel appréciée.
• Maîtrise Git et Linux; anglais technique courant.

Responsabilités

• Améliorer les stratégies de l'agent, étudier les méthodes d'optimisation par agents LLM et tester le démonstrateur.
• Concevoir des campagnes reproductibles et analyser les résultats pour comparer avec les méthodes classiques.
• Documenter les résultats et le code, préparer une extension à d'autres cas d'usage.
• Exécuter le travail sur cluster GPU local et suivre les expériences sous Git.

Connaissances

Python

Pytorch

TensorFlow

Transformers

LLM

Git

Linux

English (technical)

Formation

Master 2 en Science des Données et IA

Outils

Git

GPU cluster

Description du poste

Framatome recherche un stagiaire en Master 2 pour rejoindre le Centre DSAM et contribuer à des recherches appliquées en IA et Data Science. Vous travaillerez sur des systèmes critiques et des méthodes de démonstration, avec un accent sur l'expérimentation et la traçabilité du code.

Le stage implique l'amélioration de stratégies d'agents LLM, l'évaluation des gains et la documentation des résultats, le tout sur un cluster GPU avec du Python et du suivi Git.