https://www.marcSauget.fr

Mois : septembre 2010

De retour de Grèce

La conférence ICANN 2010 est maintenant terminée depuis quelques jours. J’ai pu y présenter mes résultats mais surtout, j’ai eu la chance d’assister à un panel très important de présentations de qualités qui m’ont permis de me mettre à jour sur le domaine l’intelligence artificiel.

De icann 2010

Parmis ce que j’ai trouvé le plus marquant, je peux citer :

  • l’utilisation conjointe des réseaux de neurones et des algorithmes génétiques,
  • des méthodes très interressantes de « décomposition de domaine »  qui font partie de la thématique de « Feature Selection & Dimensionality Reduction »
  • et surtout des avancées interessantes dans l’utilisation des « kernels machines »..

Je regrette toute fois des sessions « poster » trop « rigides » en durée et qui surtout sont détachés en fin de session ce qui gachent un peu l’intérêt des posters.

Très bonne conférence pour moi, et en ce qui concerne Thessalonik, c’est une très jolie ville, qui mérite le détour.

[ad#Google Adsense]

Mon article :

Efficient Domain Decomposition for a Neural Network Learning Algorithm, Used for the Dose Evaluation in External Radiotherapy. Marc Sauget, Rémy Laurent, Julien Henriet, Michel Salomon, Régine Gschwind, Sylvain Contassot-Vivier, Libor Makovicka, and Charles Soussen
LNCS 6352, p. 261-266, ICANN 2010.

Abstract : The purpose of this work is to further study the relevance of accelerating the Monte Carlo calculations for the gamma rays external radiotherapy through feed-forward neural networks. We have previously presented a parallel incremental algorithm that builds neural networks of reduced size, while providing high quality approximations of the dose deposit. Our parallel algorithm consists in a regular decomposition of the initial learning dataset (also called learning domain) in as much subsets as available processors. However, the initial learning set presents heterogeneous signal complexities and consequently, the learning times of regular subsets are very different. This paper presents an efficient learning domain decomposition which balances the signal complexities across the processors. As will be shown, the resulting irregular decomposition allows for important gains in learning time of the global network.

Offre d’emploi HPC

Parce que hormis la localisation, j’y aurais bien répondu :

Ingénieur Développement GPU/HPC

Le Consortium Scilab recrute un Ingénieur Développement GPU/HPC à compter du 1er novembre 2010.

Type de contrat : CDD de 18 mois (possibilité de CDI à terme) à compter du 1er novembre 2010
Rémunération : entre 35k€ et 40k€ brut/an selon diplômes et expérience
Lieu : INRIA – Centre de recherche de Rocquencourt (navettes à disposition)
Environnement

Scilab (www.scilab.org) est un logiciel de calcul numérique issu des recherches menées à l’INRIA et développé aujourd’hui au sein de la fondation DIGITEO par le Consortium Scilab regroupant académiques et industriels dont l’objectif est de faire du logiciel l’outil de référence international aussi bien dans l’industrie, dans la recherche que dans l’enseignement.

Scilab est un logiciel libre fortement diffusé dans le monde entier. Le travail proposé se déroule dans le cadre du développement professionnel d’un logiciel libre en liaison forte avec de nombreux partenaires et soutenu par une communauté dynamique.
Missions et activités

Dans le cadre du projet OpenGPU (http://www.opengpu.net/) et afin de renforcer notre équipe de recherche et développement, nous recrutons un développeur.

Le projet OpenGPU vise à valoriser l’utilisation des GPU (Graphics Processing Units) par la création d’un ensemble logiciel en fédérant les efforts des différents partenaires du projet.
L’implication de Scilab dans OpenGPU a pour but d’intégrer les possibilités offertes par le GPU dans la plateforme Scilab tout en simplifiant l’accès à cette technologie.

Sous la hiérarchie du responsable des développements et en collaboration avec l’équipe de R&D, vous aurez pour missions de :
– Développer et étendre les composants GP-GPU de Scilab,
– En fonction de vos compétences, participer aux développements de différentes tâches HPC (OpenMP, MPI, parallélisation de l’interprète, etc.).
Compétences et profil

* Connaissances professionnelles nécessaires :

– Programmation GPU (CUDA, OpenCL).
– Expert C/C++.
– Programmation multithread.

* Connaissances professionnelles appréciées :

– Utilisation d’outils de versioning (SVN, GIT).
– Processus et outils d’assurance qualité logiciel.
– Expérience en programmation d’interprète (AST, JIT, etc.)
– Expérience d’utilisation de Scilab.
– Maîtrise de l’anglais.

* Qualités humaines :

– Autonomie et sens de l’organisation.
– Rigueur, réactivité et sérieux.
– Esprit d’équipe.

Vous êtes à la recherche d’un travail motivant dans une équipe jeune et dynamique ? Venez nous rejoindre !

Lettre de motivation + CV à adresser à : job@scilab.org

Fièrement propulsé par WordPress & Thème par Anders Norén