Contexte du stage
Aujourd’hui, les modèles de machine learning sont de plus en plus abondants. En plus de la donnée qui devient plus facile d’accès et de traitement, les use-cases de data science et d’Intelligence Artificielle (IA) se multiplient. L’émergence des acteurs cloud (principalement AWS, Azure et GCP) et des outils dédiés au développement et au déploiement de modèles de Machine Learning (ML) à démocratiser l’accès à l’IA.Il devient, donc, de moins en moins nécessaire de construire des modèles de ML from scratch (de zéro). C’est à ce niveau là qu’interviennent les techniques de transfer-learning qui permettent de prendre des modèles ML déjà entraînés et de les ajuster, avec un coût en données et en puissance de calcul relativement faible, pour les use-cases cibles.
Votre mission
Au sein de la direction R&D et Innovation, vous aurez en charge de mettre en place un cadre de conception, développement, déploiement et maintien de modèles de Machine Learning basés sur des modèles pré-entraînés grâce au Transfer Learning.
Le stage se déroulera comme suit, le tout étant testé et déployé en parallèle sur des use-cases réels afin de valider en continu l’applicabilité des concepts théoriques :
• Identifier et cartographier les types de transfer learning
o d’un point de vu méthode
o d’un point de vu use-case
o comparer aux autres méthodes similaires telles que le Semi-Supervised Learning, Incremental Learning et Active Learning, voire auto-ml
• Identifier les acteurs et les outils (open source ou non) principaux
o comparer fonctionnellement, techniquement, et en termes de coûts
• Identifier et formaliser les mesures génériques (extrinsèques) d'évaluation des modèles entraînés grâce au Transfer Learning
• Finaliser et déployer les use-cases
Livrable
• mémoire de recherche