Description du poste
Domaine
Mathématiques, information scientifique, logiciel
Contrat
Stage
Intitulé de l'offre
Stage -Utilisation de l'apprentissage machine frugal pour la détection de chutes des personnes âgées H/F
Sujet de stage
Les chutes représentent un grand danger pour les personnes âgées. Elles entraînent souvent des hospitalisations. Ce projet se concentrera donc sur le développement d'un outil capable de détecter automatiquement les chutes grâce à un dispositif portable équipé d'une centrale inertielle portée par le sujet. La finalité de cette approche serait alors de minimiser les risques associés aux chutes non détectées. Pour atteindre cet objectif, on va s'intéresser à des méthodes d'apprentissages machines "frugales" capables d'effectuer l'inférence locale sur le dispositif portable. Un ensemble de données existantes comprend divers types de mouvement (marcher, monter/descendre des marches ... ) mais également diverses configurations de chute simulées dans nos installations expérimentales.
Le principal objectif du stage sera donc de concevoir et former un modèle approprié. Il devrait être économique et petit.
Durée du contrat (en mois)
6 mois
Description de l'offre
Ce stage vise à développer un algorithme permettant de détecter ces chutes à partir d'un dispositif contenant une centrale inertielle portée sur le sujet(accéléromètre). L'objectif étant de pouvoir utiliser ce système afin de limiter les risques liés aux chutes non détectées.
Pour cela nous allons explorer des techniques d'apprentissage machine frugal afin d'exécuter l'inférence localement sur le dispositif porté par le patient sans nécessité de connexion internet ni de transfert de données personnelles vers un serveur externe.
Une base de donnée a déjà été préparée avec différents types de mouvements (marche, escalier...), mais aussi différentes situations de chute simulées dans notre laboratoire.
Au cours du stage, il faudra développer un modèle et l'entrainer. Le modèle doit être frugal car il sera utilisé directement sur le matériel embarqué qui ne dispose pas forcément d'une grande puissance de calcul et d'autonomie.
L'autonomie est un point crucial puisque la batterie du dispositif doit durer plusieurs jours avant recharge. Des techniques d'optimisation tel que la quantization et le pruning seront utilisés pour réduire la taille du modèle.
Moyens / Méthodes / Logiciels
Python + Pytorch + Numpy + Matplotlib + Scikit Learn + Jupyter Notebooks
Profil du candidat
Le stagiaire devrait maitriser Python et avoir quelques notions basiques en mathématiques appliquées. Cela incluraient : statistiques descriptives, probabilités élémentaires, optimisation linéaire simple, etc.. De plus, c'est important qu'il connaisse bien les concepts fondamentaux de Machine Learning comme classification supervisée, régression logistique, sélection de features, etc., même si aucune expertise n'est nécessaire. Les compétences suivantes seraient bénéficiales :
- Optimisation numérique
- Apprentissage automatisé profond
- Modélisation bayésienne
Localisation du poste
Site
Grenoble
Localisation du poste
France, Auvergne-Rhône-Alpes, Isère (38)
Ville
Grenoble
Critères candidat
Langues
Anglais (Intermédiaire)
Diplôme préparé
Bac+5 - Diplôme École d'ingénieurs
Formation recommandée
traitement de signal
Possibilité de poursuite en thèse
Non