R&D Intern: Fairness in Deep Learning (Continuous Traits)

Artefact; Paris; On-site; EUR 10,000 - 15,000; Full time

Job summary

Artefact recherche un stagiaire Master pour étudier le fairness des réseaux de neurones vis-à-vis de variables sensibles continues. Le stage se déroule au centre de recherche à Paris et durera 4 à 6 mois, avec démarrage en hiver 2026-2027.

Le candidat travaillera sur l’implémentation et la comparaison de méthodes de réduction de biais, s’appuyant sur PyTorch et scikit-learn, dans un cadre reproductible et collaboratif.

Qualifications

• Profil recherché en master ou équivalent, formation en mathématiques appliquées, statistiques ou ML.
• Stage de césure ou fin d’études, date de début hiver 2026-2027.
• Durée du stage : 4 à 6 mois, lieu Paris au centre de recherche Artefact.

Responsibilities

• Implémenter des méthodes de réduction de biais pour variables continues dans des réseaux de neurones.
• Établir un protocole robuste pour comparer les méthodes et évaluer le compromis performance/fairness.
• Expérimenter des techniques avec PyTorch et scikit-learn et documenter les résultats.

Skills

mathématiques appliquées

statistiques

machine learning

analyse de données

Education

BAC+4/BAC+5 en mathématiques appliquées, statistiques ou machine learning

Tools

PyTorch

scikit-learn

Job description

Artefact recherche un stagiaire Master pour étudier le fairness des réseaux de neurones vis-à-vis de variables sensibles continues. Le stage se déroule au centre de recherche à Paris et durera 4 à 6 mois, avec démarrage en hiver 2026-2027.

Le candidat travaillera sur l’implémentation et la comparaison de méthodes de réduction de biais, s’appuyant sur PyTorch et scikit-learn, dans un cadre reproductible et collaboratif.