Stage IA pour prédire l’utilisation des ressources HPC

Atos SE; Échirolles; On-site; EUR 16,000 - 22,000; Part time

Job summary

Bull, au sein de l’équipe DaSH, recherche un stagiaire en informatique pour concevoir un modèle de Machine Learning destiné à prédire l’utilisation des ressources dans les systèmes HPC. Le stage se déroule dans l’équipe Data Science for HPC et portera sur l’exploitation de données historiques et de nouvelles features issues d’un dataset.

Vous travaillerez sur l’élaboration et la validation de modèles, l’évaluation de leur généralisation et, selon progression, sur des recommandations et

Qualifications

• BAC+5 en informatique.
• Solides compétences en programmation Python.
• Connaissances en Machine Learning.
• Intérêt pour la Data Science et le calcul haute performance (HPC).
• Connaissance des tests unitaires et de l’intégration continue.
• Bonnes capacités de communication, de documentation et de travail en équipe.
• Esprit analytique, créatif et goût pour la résolution de problèmes complexes.

Responsibilities

• Étudier des approches de Machine Learning visant à améliorer l’utilisation des ressources dans les systèmes HPC.
• Développer un modèle prédisant l’utilisation des ressources d’un job HPC avant son exécution.
• Explorer les données issues d’un dataset et définir les cibles de prédiction.
• Développer et valider des modèles, puis proposer des recommandations et intégrer le modèle dans une API REST.

Skills

Python

Machine Learning

Data Science

HPC

Tests unitaires

Intégration continue

Communication

Analyse

Education

BAC+5 en informatique

Job description

Bull, au sein de l’équipe DaSH, recherche un stagiaire en informatique pour concevoir un modèle de Machine Learning destiné à prédire l’utilisation des ressources dans les systèmes HPC. Le stage se déroule dans l’équipe Data Science for HPC et portera sur l’exploitation de données historiques et de nouvelles features issues d’un dataset.

Vous travaillerez sur l’élaboration et la validation de modèles, l’évaluation de leur généralisation et, selon progression, sur des recommandations et