Post-doctorat en deep-learning et soutenabilité H/F H/F

Description du poste:

Description du poste

Domaine

Mathématiques, information scientifique, logiciel

Contrat

Post-doctorat

Intitulé de l'offre

Post-doctorat en deep-learning et soutenabilité H/F H/F

Sujet de stage

EN SYNTHESE, QU'EST-CE QUE NOUS VOUS PROPOSONS ?

Nous cherchons un(e) ingénieur(e)-chercheur(se) en apprentissage profond pour applications soutenables. Ce poste de cadre en CDD/post-doctorat est basé sur le site du CEA Grenoble (38).Ce poste est à pourvoir dès que possible.

Vous interviendrez dans le cadre d'un projet visant à développer une nouvelle forme de supervision intelligente et intégrée pour optimiser les réseaux d'énergie intelligents. Contrairement aux approches existantes (IA, jumeaux numériques), il intégrera simultanément l'adaptabilité aux nouvelles données, aux nouvelles habitudes et la robustesse en tenant compte des relations de cause à effet.

Vous développerez un modèle de fondation, entraîné sur plusieurs jeux de données et capable de réaliser diverses tâches pour gérer des données hétérogènes, y compris des paramètres complexes (fluctuations de la demande ; pertes d'énergie), tout en prédisant la consommation et en détectant les anomalies.

Durée du contrat (en mois)

24

Description de l'offre

Vos missions seront les suivantes :

1/Apprentissage Robuste et Explicable : vous intégrerez la causalité pour améliorer l'explicabilité du modèle, ce qui permettra :
o L'interprétabilité des décisions,
o L'identification des points de défaillance,
o L'optimisation de la distribution thermique dans les réseaux de chauffage.

Souvent absente dans les modèles d'apprentissage profond en raison de leur dépendance aux corrélations. En contraignant l'apprentissage du modèle avec des relations causales entre les données, telles que les conditions environnementales et la performance du système.

2/ Apprentissage continu d'un modèle de fondation embarqué : permettre l'adaptabilité aux nouveaux besoins et aux conditions climatiques sont changeantes.

Pour surmonter l'oubli catastrophique, une approche incrémentale adaptée à ce type
de modèle doit être développée. Le modèle doit être conçu avec des contraintes
intégrées dès le départ pour garantir qu'il fonctionne près de la source de données.

Le chauffage urbain, étant un composant crucial des stratégies de décarbonisation
des villes, constitue un cas d'application de ce projet. Le contrôle, la surveillance et la
maintenance efficaces des sous-stations servent d'interface entre les réseaux de
chauffage urbain et les systèmes de chauffage des bâtiments. Une analyse d'impact
sera réalisée pour évaluer les avantages du déploiement de nouvelles technologies
dans ces sous-stations.

#CEA-List ; #LI-CB1 ; #Ingénieure ; #Chercheuse ; #Research Engineer

Profil du candidat

Vous avez un doctorat en informatique, apprentissage automatique ou traitement
du signal.

Des connaissances et des expériences dans un ou plusieurs des domaines suivants seront un atout pour ce poste :
- Apprentissage profond
-Apprentissage automatique
-Mathématiques appliquées (probabilités / statistiques)
Une bonne pratique de la programmation en Python (TensorFlow, avec une connaissance de base de l'environnement GPU) est requise.

Vous maîtrisez l'anglais écrit et parlé.

Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l'inclusion des travailleurs handicapés.

Localisation du poste

Site

Grenoble

Localisation du poste

France, Auvergne-Rhône-Alpes, Isère (38)

Ville

Grenoble

Demandeur

Disponibilité du poste

02/02/2026