DESCRIPTION :
à analyser seront des logs sous forme de séries temporelles. Le stagiaire devra mettre en oeuvre des modèles adaptés à ce type de données (p.ex. RNN) et établir les avantages/inconvénients d'un apprentissage centralisé vs. distribué. [1] Bansal, S. and Kumar, M. (2023). Deep learning-based workload prediction in cloud computing to enhance the performance. In 2023 Third International Conference on Secure Cyber Computing and Communication (ICSCCC), pages 635-640. [2] Paranou, D., Pentelas, A., Katsiros, D., Maidatsis, K., Giannopoulos, G., Angelou, E., Anastopoulos, N., and Papastefanatos, G. (2023). Forecasting resource demand for dynamic datacenter sizing in telco infrastructures. In 2023 IEEE International Conference on Big Data (BigData), pages 3813-3822. [3] Ding, Z., Feng, B., and Jiang, C. (2022). Coin : A container workload prediction model focusing on common and individual changes in workloads. IEEE Transactions on Parallel and Distributed Systems, 33(12) :4738-4751.
Niveau de formation : Bac+5
Temps partiel / Temps plein : Plein temps
Type de contrat : Stage/Jeune diplômé
Compétences : Intelligence Artificielle, Big Data, Cloud Computing, Python (Langage de Programmation), Machine Learning, Deep Learning, Enthousiasme, Curiosité, Algorithmes, Elaboration des Prévisions, Gestion des Infrastructures, Compétences de Modélisation, Science des Données
Courriel :
internet.saclay@cea.fr
Téléphone :
0160833031
Type d'annonceur : Employeur direct