Skills

Python Research TensorFlow

Job Specifications

"Rejoignez le CEA pour donner du sens à votre activité, mener ou soutenir des projets de R&D nationaux et internationaux, cultiver et faire vivre votre esprit de curiosité."

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.

Vos missions seront les suivantes :

1/Apprentissage Robuste et Explicable : vous intégrerez la causalité pour améliorer l'explicabilité du modèle, ce qui permettra :

L'interprétabilité des décisions,
L'identification des points de défaillance,
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 ; ; #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.

Localisation du poste Site

Grenoble

Localisation du poste
France, Auvergne-Rhône-Alpes, Isère (38)

Ville

Grenoble

Demandeur Disponibilité du poste

01/09/2025

About the Company

The CEA is the French Alternative Energies and Atomic Energy Commission ("Commissariat à l'énergie atomique et aux énergies alternatives"). It is a public body established in October 1945 by General de Gaulle. A leader in research, development and innovation, the CEA mission statement has two main objectives: To become the leading technological research organization in Europe and to ensure that the nuclear deterrent remains effective in the future. The CEA is active in four main areas: low-carbon energies, defense and secur... Know more