Booster votre candidature en enregistrant et partageant votre vidéo de présentation aux recruteurs

J'enregistre ma vidéo
Retour

Offre proposée par

Ministère Des Armées

Ministère des Armées

Détection d'anomalies dans les séries temporelles

Bruz, Bretagne Infra / Réseaux / Télécoms
Postuler maintenant

Le département IA3D (Intelligence Artificielle pour les Agents Autonomes & Datascience) propose un stage sur la détection d’anomalies dans les séries temporelles. Une anomalie est un point, ou un ensemble de points, dont les caractéristiques diffèrent tellement des autres points du jeu de données qu’ils doivent être issues d’un processus différent. Dans le cadre des séries temporelles, cela revient à détecter une série entière ou une partie de série anormale dans une grande population de séries. On peut citer comme exemple l’analyse de trajectoires de navires au large des côtes afin de rechercher des activités suspectes, dangereuses ou illégales.

Cela pose deux challenges: l’absence totale (ou quasi-totale) d’annotations humaines des données qui, dans le cadre de données réelles peuvent être très volumineuses ; et la méconnaissance a priori des anomalies qui peuvent de plus correspondre à des sous-ensembles issus de processus différents. De nombreuses méthodes ont été proposées au cours des dernières décennies pour essayer de répondre à ces deux challenges, notamment grâce aux avancées du deep learning.

Le stage a deux objectifs. 

- Explorer les apports de la combinaison de méthodes dites « self-supervised » et « weakly-supervised » afin de répondre au challenge du volume de données et d’absence/quasi absence d’annotations. Les méthodes dites self-supervised permettent l’apprentissage de représentation pertinentes à partir de grand jeux de données permettant ainsi de caractériser au mieux les données d’entrées, tandis que les méthodes dites weakly-supervised permettent d’intégrer des labélisations très partielles à l’apprentissage. 

- Intégrer ces méthodes dans des réseaux de types autoencodeurs intégrant une ou plusieurs unités de mémoires (vq-vae, memAE, …). Ces unités permettent de contraindre l’espace de représentation des données afin de conserver uniquement les propriétés propres aux évènements fréquents. Le stagiaire évaluera si l’ajout de plusieurs unités de mémoires facilite la prise en compte de l’hétérogénéité des données d’entrées et des anomalies.

Le stagiaire aura à disposition des données publiques et internes, notamment des trajectoires d’aéronefs et de navires.

DGA Maîtrise de l’information Bruz (près de Rennes) est responsable de la conception, de l’acquisition et de l’évaluation des systèmes qui équipent les forces Armées. Nos experts techniques travaillent dans les domaines innovants tels que les systèmes d’information et de communication, la cybersécurité, l’Intelligence Artificielle, la survivabilité des systèmes, la navigation, la guerre électronique et les systèmes de missiles.