À propos de Mila

Fondé par le professeur Yoshua Bengio de l’Université de Montréal, Mila rassemble des chercheurs spécialisés en intelligence artificielle et plus précisément en apprentissage automatique, apprentissage profond et apprentissage par renforcement. Reconnu mondialement pour ses importantes contributions au domaine de l’apprentissage profond, Mila s’est particulièrement distingué dans la modélisation du langage, la traduction automatique, la reconnaissance d’objets et les modèles génératifs. Depuis 2017, Mila est le fruit d’une collaboration entre l’Université de Montréal et l’Université McGill, en lien étroit avec Polytechnique Montréal et HEC Montréal.

Mila s’est donné pour mission d’être un pôle mondial d’avancées scientifiques qui inspire l’innovation et l’essor de l’intelligence artificielle (IA) au bénéfice de tous.

Pour en connaitre davantage, veuillez consulter https://mila.quebec/

À propos du stage

Mila recrute pour un poste de stagiaire en recherche au sein de l'équipe de recherche appliquée. Nous recherchons une personne pour contribuer à un projet de recherche appliquée pour un partenaire important de Mila.

Nous développons un modèle d'IA à l'échelle nationale pour la cartographie des risques d'incendies de forêt au Canada. Dans la première phase, nous avons développé un modèle d'IA de substitution (surrogate model) qui simule le cadre de simulation des feux de forêt du Canada (BurnP3) avec une accélération de 1 538x. Pour aller au-delà des références dépendantes de la simulation, nous ancrons maintenant le modèle dans des données du monde réel via deux directions :

• Validation empirique : Établir une référence qui corrèle les cartes BurnP3, les prédictions de l'IA et les observations historiques de feux de forêt afin de quantifier et de combler le « fossé de réalité » (reality gap) inhérent à l'entraînement basé sur la simulation.
• Calibrage en conditions réelles : Tirer parti de l'apprentissage faiblement supervisé pour s'affranchir des données issues de la simulation, en calibrant le modèle avec des données réelles de feux de forêt pour garantir que les prédictions reflètent les réalités écologiques observées.

Nous recherchons une personne pour un stage de 4 mois, débutant dès le début du mois de mai et se terminant en septembre.

Principales responsabilités

• Préparer et intégrer des ensembles de données géospatiales, environnementales et de feux de forêt pour l'analyse comparative et l'évaluation.
• Concevoir des flux de travail de validation comparant les résultats de BurnP3, les prédictions de l'IA et les observations historiques de feux de forêt.
• Aider à calibrer les modèles avec des données réelles de feux de forêt en utilisant des méthodes faiblement supervisées.
• Réaliser des expériences, analyser les résultats et améliorer la performance et le réalisme du modèle.
• Communiquer les conclusions par le biais d'une documentation claire, de visualisations et de rapports.
• Contribuer à une plateforme interactive en ligne pour analyser le fossé de réalité et recueillir les commentaires d'experts du domaine.

Opportunités d'apprentissage

• Développer une expertise pratique dans le traitement et l'analyse de données géospatiales à grande échelle.
• Acquérir une expérience concrète en apprentissage profond et en apprentissage faiblement supervisé.
• Travailler avec une équipe multidisciplinaire de chercheurs en apprentissage automatique appliqué et de développeurs d'IA.
• Possibilité de contribuer à une recherche innovante en IA avec un potentiel de publications académiques et d'applications à haut impact.