Stage recherche -Évaluation des modèles d'IA générative pour Forecasting de séries temporelles F/H

Orange SA; Lannion; Sur place; EUR 60 000 - 80 000; Plein temps

Résumé du poste

Une entreprise de télécommunications recherche un(e) stagiaire en IA pour explorer des modèles de prévision de séries temporelles. Le candidat devra réaliser des tests sur des modèles comme Amazon Chronos ou Google TimesFM et analyser leur performance. Une bonne maîtrise de Python et une curiosité pour les nouvelles technologies sont essentielles. Ce stage offre une opportunité de travailler sur des données propriétaires et publiques dans un environnement stimulant.

Qualifications

• Une expérience pratique en programmation Python, notamment avec des bibliothèques telles que pandas et numpy.
• Rigueur dans l'établissement du plan d'expériences.
• Capacité à vulgariser et à communiquer des résultats techniques.

Responsabilités

• Explorer et évaluer les modèles de fondation pour le forecasting de séries temporelles.
• Tester les modèles sur des données publiques et propriétaires.
• Formuler des recommandations sur les modèles adaptés.

Connaissances

Programmation Python

Utilisation de pandas

Connaissance de TensorFlow

Modèles de deep learning

Analyse des données

Formation

Étudiant(e) en dernière année d’école d’ingénieur

Master en IA/Data Science

Outils

Numpy

Scikit-learn

PyTorch

TensorFlow

MLflow

Description du poste

about the role

L'objectif principal de ce stage est d'explorer et d'évaluer les modèles de fondation pour le forecasting de séries temporelles. Plus précisément, il s'agit de :

• Réaliser un état de l'art des méthodes et modèles récents en IA générative appliquée à la prévision de séries temporelles.
• Tester et comparer les principaux modèles de fondations (tels que Amazon Chronos, Salesforce Moirai, Google TimesFM, Nixtla TimeGPT etc.) sur des jeux de données publiques connus mais surtout sur des données propriétaires d'Orange pour évaluer leur performance en contexte réel.
• Mesurer et analyser la précision des prévisions, ainsi que le temps de calcul nécessaire à leur entraînement et à leur inférence.
• Formuler des recommandations sur les modèles les plus adaptés en fonction des critères de performance et de complexité.

Le stage se déroulera dans un environnement Python, utilisant principalement :

• Bibliothèques de traitement de données : pandas, numpy.
• Frameworks de modélisation (si nécessaire) : PyTorch, TensorFlow, Hugging Face Transformers.
• MLOps: poetry, pyenv, uv, MLflow.
• Outils d’évaluation : scikit-learn, statsmodels, nixtla.
• Plateformes de calcul : Environnement local avec GPU ou CPU.
• Accès aux jeux de données publics via des API ou téléchargements directs.
• Accès sécurisé aux données propriétaires d’Orange pour les expérimentations.

about you

• Étudiant(e) en dernière année d’école d’ingénieur, de master en IA/Data Science.
• Une expérience pratique en programmation Python, notamment avec des bibliothèques telles que pandas, numpy, scikit-learn, (TensorFlow ou PyTorch si nécessaire), et être à l’aise dans la création d’environnements virtuels (poetry, pyenv, uv).
• Rigueur dans l’établissement du plan d’expériences et dans le développement afin de permettre de reproduire les résultats d’expérience.
• Curiosité, autonomie, esprit de recherche, capacité à vulgariser.
• Un intérêt particulier pour les modèles de deep learning, notamment les architectures Transformer, et leur application aux séries temporelles.
• Une curiosité pour les nouvelles technologies et une capacité à se tenir à jour sur l’état de l’art scientifique.
• Une bonne capacité d’analyse, de synthèse et de communication pour rédiger des rapports techniques et des recommandations.