Chez Wheere, au sein de l’équipe Algorithme, nous développons des méthodes innovantes à la croisée des mathématiques appliquées et de l’apprentissage automatique pour résoudre des problèmes complexes de traitement du signal et de modélisation physique.

Dans ce cadre, le stage proposé s’intéresse à une approche hybride qui vise à combiner
d’analyse spectrale classique et l’apprentissage par réseaux de neurones. Avec le Neural
Network Unrolling, on « déroule » des algorithmes d’optimisation convexe (FISTA, ADMM,
méthodes proximales) en couches entraînables afin d’injecter des connaissances a priori sur le modèle physique (modèle direct, contraintes physiques…) tout en tirant parti de la puissance de l’apprentissage (adaptation aux données, robustesse, généralisation). L’objectif est de concevoir des estimateurs à la fois interprétables et performants.

Missions principales :

Vous participerez activement aux travaux de recherche et développement, en collaboration avec l’équipe Algorithme, vos missions incluront :

• Prendre en main les codes existants et la littérature associée

• Adapter les algorithmes NNU aux signaux WHEERE

• Réaliser des campagnes de mesures de données

• Réaliser des tests de validation sur données simulées et données réelles

• Affiner les modèles via fine-tuning et cross-validation

• Étudier les différences entre modélisation statistique et simulations CEM

Étudiant(e) en dernière année de Master (Bac+5) ou d’école d’ingénieurs, avec une
spécialisation en mathématiques appliquées, traitement du signal ou intelligence
artificielle.

Compétences requises :

• Optimisation convexe

• Algèbre linéaire

• Problèmes inverses

• Machine learning

• Programmation en Python et PyTorch

Compétences appréciées :

• Optimisation non différentiable

• Traitement du signal

• MATLAB

1er entretien visio avec Mehdi & Quentin (équipe Algo)
Second entretien présentiel pour rencontrer l’équipe, voir nos locaux et notre produit.
et échange avec Antoine (CTO) et Pierre-Arnaud (CEO)