Stage M2: Apprentissage bayésien sur mémoires résistives ReRAM

CEA; Grenoble; On-site; EUR 6,700 - 13,000; Full time

Benefits offered by this job

Restaurant d'entreprise

Remboursement transports

Diversité et inclusion

Job summary

Le CEA-Leti à Grenoble recrute un/une stagiaire en Master 2 ou dernière année d’école d’ingénieurs pour développer des méthodes d’apprentissage bayésien adaptées aux mémoires résistives ReRAM. Vous travaillerez sur des approches simulées et réelles, avec mise en œuvre matérielle et évaluation des performances.

Ce stage vise à explorer des stratégies d’apprentissage exploitant les propriétés physiques des mémoires afin de simplifier les calculs et d’estimer l’incertitude des prédictions, avec des

Qualifications

• Étudiant(e) ou étudiant en M2 ou en dernière année d’école d’ingénieurs, avec une spécialisation en électronique, microélectronique, physique appliquée ou informatique.
• Vous êtes à l’aise en programmation et en mathématiques appliquées, et vous vous intéressez aux réseaux de neurones ainsi qu’à leur mise en œuvre matérielle.
• Une première expérience en apprentissage automatique constitue un atout.

Responsibilities

• Développement algorithmique et simulation des approches bayésiennes pour mémoires ReRAM.
• Évaluation de stratégies et intégration progressive des caractéristiques réelles des dispositifs.
• Étude des performances et des contraintes liées à une mise en œuvre matérielle.

Skills

Programmation

Mathématiques appliquées

Réseaux de neurones

Education

Bac+5 - Diplôme École d'ingénieurs

Job description

Le CEA-Leti à Grenoble recrute un/une stagiaire en Master 2 ou dernière année d’école d’ingénieurs pour développer des méthodes d’apprentissage bayésien adaptées aux mémoires résistives ReRAM. Vous travaillerez sur des approches simulées et réelles, avec mise en œuvre matérielle et évaluation des performances.

Ce stage vise à explorer des stratégies d’apprentissage exploitant les propriétés physiques des mémoires afin de simplifier les calculs et d’estimer l’incertitude des prédictions, avec des