Remote ML Engineer — Fairness & Privacy in AI

inria; France; On-site; EUR 34,000 - 52,000; Full time

Benefits offered by this job

Remboursement partiel des frais de dém

Congés annuels + RTT

Télétravail possible

Équipement professionnel disponible

Événements sociaux et sportifs

Job summary

Inria, le laboratoire national français dédié aux sciences du numérique, recrute un ingénieur/chercheur pour le MAGNET à Lille. Le candidat développera des méthodes d’équité et de confidentialité pour l’apprentissage automatique et contribuera à rendre FairGrad plus accessible, en s’intégrant avec des librairies existantes et des données locales privées.

Vous travaillerez sous supervision et collaborerez avec des chercheurs et ingénieurs, en veillant à des bibliothèques robustes et à des

Qualifications

• Bonne maîtrise de l’anglais.
• Maîtrise du Python.
• Forte expérience en implémentation et expérimentation.
• Solide formation en mathématiques.
• Bonne connaissance du machine learning, des statistiques et des algorithmes.
• Des connaissances sur l’équité et/ou la confidentialité seraient un plus.
• Capacité à collaborer au sein de l’équipe et avec des chercheurs/ingénieurs externes.
• Organisation du travail et équilibre des priorités.
• Rapport régulier des avancées.

Responsibilities

• Revoir et suivre les librairies existantes sur l’IA équitable et la confidentialité.
• Maintenir, tester et étendre la librairie FairGrad.
• Implémenter, maintenir et évaluer un pipeline d’apprentissage sur données localement privées.

Skills

Anglais

Python

Implémentation

Expérimentation

Mathématiques

Machine learning

Statistiques

Algorithmes

Fairness/Privacy

Collaboration

Organisation

Rapport régulier

Tools

Python

FairGrad

AIF360/Fairlearn

Scikit-learn

Job description

Inria, le laboratoire national français dédié aux sciences du numérique, recrute un ingénieur/chercheur pour le MAGNET à Lille. Le candidat développera des méthodes d’équité et de confidentialité pour l’apprentissage automatique et contribuera à rendre FairGrad plus accessible, en s’intégrant avec des librairies existantes et des données locales privées.

Vous travaillerez sous supervision et collaborerez avec des chercheurs et ingénieurs, en veillant à des bibliothèques robustes et à des