Portage sur cible embarquée d'algorithmes adaptatifs de classification et/ou de régression pour[...]

CEA; Grenoble; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Un acteur majeur de la recherche recherche un stagiaire en intelligence artificielle à Grenoble. Vous travaillerez sur des algorithmes de détection de signaux neuronaux et porterez ces algorithmes sur une plateforme Raspberry Pi. Ce poste nécessite des compétences en Python, C++, et en systèmes embarqués pour une durée de 5 à 6 mois à partir de février 2026.

Qualifications

• Étudiant(e) en école d'ingénieur ou en master liés aux systèmes embarqués ou intelligence artificielle.
• Compétences en apprentissage automatique et en traitement du signal requises.

Responsabilités

• Prendre en main des algorithmes de classification/régression.
• Évaluer l'outil AIDGE pour le support des fonctions nécessaires.
• Développer et intégrer de nouvelles fonctions dans AIDGE.
• Exporter les algorithmes sur la cible matérielle Raspberry Pi.

Connaissances

Python

C++

Intelligence Artificielle

Systèmes embarqués

Formation

Ecole d'ingénieur / M2 systèmes embarqués, informatique ou intelligence artificielle

Outils

Raspberry Pi

AIDGE

Description du poste

Les missions du poste

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat. Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au coeur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

• La conscience des responsabilités
• La coopération
• La curiosité

Vous serez accueilli(e) au sein du Laboratoire Intelligence Intégrée Multi-Capteurs (LIIM) du département des Systèmes et Circuits Intégrés Numériques (DSCIN). Notre laboratoire conçoit des algorithmes innovant d'intelligence artificielle (I.A.) permettant le décodage de signaux d'électroencéphalographie intracrânien de type ECoG afin de classifier et prédire des intentions de mouvements au niveau du cortex moteur d'un patient tétraplégique. En particulier, notre laboratoire LIIM investigue la mise en oeuvre de méthodes d'apprentissage incrémental prenant en compte la plasticité cérébrale d'un individu au cours du temps.

A terme, ces méthodes sont destinées à être intégrées sur un matériel léger et compact facilitant son usage dans une évaluation clinique. Pour cela, une étape indispensable est donc le portage du/des algorithme(s) existant(s) sur une cible matérielle en adéquation avec les usages de CLINATEC à savoir une plateforme Raspberry Pi (Raspberry Pi). En parallèle, nous nous appuierons sur plateforme de conception logiciel AIDGE (cf. projet DEEPGREEN). Cette plateforme facilitera la conception et portabilité de nos algorithmes IA sur cible embarquée.

Ainsi, votre stage se déroulera en plusieurs phases :

1. prise en main des algorithmes de classification/régression adaptative de décodage de signaux neuronaux conçus LIIM
2. évaluation de l'outil AIGE pour le support des fonctions nécessaires aux réseaux de neurones notamment sur le volet apprentissage en ligne
3. développement et intégration potentielle de nouvelles fonctions (en Python/C++) dans AIDGE adaptés aux algorithmes de classification / régression adaptive
4. export du/des algorithme(s) sur la cible matérielle Raspberry PI

Ce stage sera co-encadré par le LIIM (Quentin Ferdinand, Olivier Antoni et Marina Reyboz), le LIAE (Maxence Naud) et CLINATEC (Mathieu Bosquet - TBC).

Ce se déroulera au LIIM, CEA Grenoble, à partir de février 2026 pour une durée de 5 à 6 mois.

Références :

• [1] Q. Ferdinand et al., « ECoG-Based Movement Classification and Limbs 3D Translation Prediction : a Deep Learning Study », accepté à IJCNN 2025.
• [2] Mainsant M., Mermillod M., Godin C. and Reyboz M., A study of the Dream Net model robustness across Continual Learning scenarios, ICDM Workshop on Incremental classification and clustering, concept drift, novelty detection in big/fast data context (IncrLearn), 2022
• [3] Le projet DeepGreen

Le profil recherché

Profil : Ecole d'ingénieur / M2 systèmes embarqués, informatique ou intelligence artificielle