Site emploiBienvenue

L’équipe THOTH est une équipe-projet commune Inria / Laboratoire Jean Kuntzmann (UGA, Grenoble INP), située sur le site Inria Grenoble Rhône-Alpes à Montbonnot. Elle regroupe une trentaine de membres (chercheurs permanents, post-doctorants et doctorants) et se consacre au développement de modèles de machine learning robustes et efficaces, avec un accent fort sur la vision par ordinateur et l’apprentissage à partir de données massives. L’équipe conduit des collaborations pluri-disciplinaires notamment en télédétection et imagerie hyperspectrale. Vous serez intégré à THOTH dans le cadre du projet PoC EDGE-Reason, en lien avec la start-up MountAIn Edge (Chaire MIAI).

Site web : https://team.inria.fr/thoth/

Description de l'équipe:
Sous l’autorité d’Emanuele Dalsasso, chargé de recherche Inria (encadrant principal), et Jocelyn Chanussot, directeur de recherche Inria (co-encadrant). Équipe d’environ 30 membres : chercheurs permanents, post-doctorants et doctorants.

Vous réaliserez la recherche et le développement sur la compression et l'optimisation de Small Language Models pour déploiement sur microprocesseurs embarqués, la conception et l'évaluation d'un pipeline de distillation matériel-aware et serez en collaboration avec l'équipe THOTH (Inria) et la start-up MountAIn Edge.

• Conception et implémentation d’un pipeline de distillation hardware-aware pour la compression de Small Language Models (SLMs).
• Optimisation des modèles comprimés pour déploiement sur microprocesseurs embarqués (contraintes mémoire, énergie, latence).
• Évaluation des performances sur jeux de données et benchmarks publics.
• Application aux cas d’usage : détection de feux de forêt et surveillance sécurité industrielle sur la plateforme IBEX de MountAIn Edge.
•  Rédaction d’articles scientifiques et participation à des conférences internationales.
• Éventuel encadrement de stagiaires de niveau Master.

Restriction ou contraintes liées au poste:
Travail sur site obligatoire (Inria Grenoble, Montbonnot). Télétravail en France possible conformément aux politiques Inria et UGA.

• Expérience en deep learning (réseaux de neurones, distillation, compression de modèles)
• Maîtrise de Python et des librairies deep learning (PyTorch, TensorFlow ou équivalent)
• Connaissance des contraintes matérielles des systèmes embarqués appréciée
• Capacité à travailler en équipe interdisciplinaire (recherche académique et partenaire industriel).
• Autonomie et rigueur scientifique
• Goût pour la recherche appliquée
• Bonne communication écrite et orale en anglais (langue de travail du projet)
• Proactivité et capacité d'adaptation.

Expérience professionnelle souhaitée de 2 à 5 ans

Formation, diplôme, expérience souhaitée :
Doctorat (PhD) en informatique, intelligence artificielle, apprentissage automatique ou domaine équivalent. Solide expérience en deep learning et compétences de codage éprouvées en Python.