SDR-to-HDR Deep Learning Optimization Intern

InterDigital, Inc.; Rennes; On-site; EUR 10,000 - 13,000; Full time

Job summary

InterDigital, Rennes, propose un stage Centré sur l’optimisation d’un réseau de neurones SDR vers HDR et son déploiement sur une architecture dédiée. Vous analyserez le réseau existant, choisirez des techniques d’optimisation et développerez une chaîne reproductible d’évaluation et de déploiement.

Le profil exige un master en informatique/génie électrique/mathématiques appliquées, maîtrise de Python et C/C++, et une expérience de PyTorch ou TensorFlow; l’anglais est requis à l’écrit et à l’oral.

Qualifications

• Actuellement étudiant en master d’informatique, génie électrique, mathématiques appliquées ou discipline connexe.
• Maîtrise de Python et du C/C++.
• Expérience d’un framework d’apprentissage profond (PyTorch ou TensorFlow).
• Capacité à communiquer clairement en anglais, à l’écrit comme à l’oral.
• Autonomie, curiosité et rigueur dans la recherche et l’expérimentation.

Responsibilities

• Analyser le réseau SDR→HDR existant et définir les contraintes de qualité, de performance et de matériel.
• Sélectionner les techniques d’optimisation et outils adaptés (distillation, quantification).
• Développer une chaîne reproductible d’optimisation, évaluation et déploiement des modèles.
• Comparer le modèle optimisé au modèle d’origine en termes de qualité et d’efficacité.
• Déployer et valider le modèle optimisé sur une architecture dédiée.
• Documenter la méthodologie, les résultats, les limites et les recommandations.

Skills

Python

C/C++

Anglais

Education

Master en informatique / génie électrique / mathématiques appliquées

Tools

PyTorch

TensorFlow

CUDA

TensorRT

ONNX

LiteRT/TensorFlow Lite

Core ML

Job description

InterDigital, Rennes, propose un stage Centré sur l’optimisation d’un réseau de neurones SDR vers HDR et son déploiement sur une architecture dédiée. Vous analyserez le réseau existant, choisirez des techniques d’optimisation et développerez une chaîne reproductible d’évaluation et de déploiement.

Le profil exige un master en informatique/génie électrique/mathématiques appliquées, maîtrise de Python et C/C++, et une expérience de PyTorch ou TensorFlow; l’anglais est requis à l’écrit et à l’oral.