Stellantis recherche un stagiaire très motivé pour rejoindre notre équipe et contribuer à la recherche sur l'Explainable Machine Learning.

En tant que stagiaire, vous travaillerez sur plusieurs projets de recherche en collaboration avec des chercheurs internes et externes, ainsi qu'avec des équipes d'ingénierie appliquée. Vous serez intégré à tous les aspects du cycle de recherche, tels que la formulation de problèmes, la génération d'hypothèses, le développement de nouveaux algorithmes et modèles, la réalisation d'expériences, la synthèse des résultats, la collecte de données, la création de prototypes et la communication sur vos recherches.

Vos résultats contribueront à des applications métier à fort impact, avec des applications potentielles en NLP et en Séries Temporelles. Au cours du stage, vous aurez l'opportunité d'appliquer des méthodes d'attribution locale telles que SHAP ou LIME. Les défis qui pourront être relevés au cours du stage comprennent :
- Le développement et la recherche de méthodes robustes pour l'explicabilité des données de séries temporelles, où l'importance des caractéristiques nécessite un traitement cohérent de la dépendance temporelle.
- L'application pratique de l'IA responsable en matière de biais et d'équité, et comment les techniques d'explicabilité peuvent être utilisées pour construire des pipelines ML et de Data Science robustes.
- La prise en compte de l'incertitude dans la prédiction et l'analyse de l'explicabilité.

Vos résultats contribueront réellement à des applications métier et à des packages Python internes.

Dans le cadre de votre stage, vous travaillerez dans un environnement cloud en utilisant Databricks, tout en apprenant les meilleures pratiques de l'équipe.

- Diplôme de Master en Informatique, Statistiques, Data Science ou domaines connexes
- De solides compétences en probabilité et en statistiques sont requises
- Compétences en programmation en Python
- Compréhension avancée des techniques fondamentales en Intelligence Artificielle et en Apprentissage Automatique, en particulier, les modèles basés sur les arbres de décision, le NLP et les séries temporelles
- Expérience en analyse de données statistiques