Stages à l’Institut Vector :
Lancez votre carrière en IA.

Faites partie d’un écosystème d’IA dynamique et en plein essor grâce au programme de stages en IA de Vector. Collaborez avec la crème des concepteurs d’IA pour adapter les percées de la recherche en apprentissage automatique. Explorez les domaines de la recherche théorique ou appliquée avec les principaux chercheurs en apprentissage automatique (AA). Travaillez aux côtés de commanditaires de l’industrie et de partenaires du secteur de la santé pour stimuler l’adoption de l’IA. Apprenez tous les jours grâce à des présentations sur la recherche et la commercialisation et à des occasions ciblées de perfectionnement professionnel pour accélérer votre carrière. Votre avenir commence ici.

Stages pratiques

Travaillez à temps plein ou à temps partiel aux côtés d’employés professionnels chez Vector sur des projets axés sur l’IA et les données. Les stages peuvent se faire à distance ou en personne. Les stages incluent :

  • Stages pratiques en AA : Concevoir des logiciels réutilisables pour appliquer et adapter les percées de la recherche en apprentissage automatique.
  • Les stagiaires en gestion de projet : Soutiennent les projets d’IA qui permettent aux commanditaires de l’industrie et aux partenaires du secteur de la santé de mettre au point, de déployer et d’adapter des applications d’IA.
  • Les stagiaires en visualisation de données et analytique : Bâtissent des tableaux de bord et génèrent de l’information sur les effectifs et le développement économique en IA.
  • Les stagiaires en automatisation : Préparent des scripts qui automatisent les flux de travail afin d’améliorer les activités de l’Institut.

Les stages sont d’une durée de 16 à 32 semaines et se déroulent durant les semestres d’automne, d’hiver et d’été.

Semestre Automne Hiver Été
Début de la période de présentation des demandes Mi-juillet Mi-octobre Début février
Stages Du début septembre jusqu’à la 3e semaine de décembre. De la mi-janvier à la fin avril. Du début mai à la fin août. 

Stages en recherche

Travaillez aux côtés des meilleurs chercheurs au monde qui repoussent les limites de l’apprentissage automatique et de l’apprentissage profond dans des domaines essentiels, par exemple :

  • Vision artificielle
  • Modèles génératifs
  • Soins de santé – biologie computationnelle, génomique
  • Traitement du langage naturel
  • Optimisation
  • Apprentissage par renforcement
  • Théorie de l’apprentissage statistique
  • Prise de décision séquentielle
  • Sécurité, vie privée et équité
  • Informatique quantique

L’Institut Vector sollicite des candidatures pour des stagiaires en recherche qui désirent faire de la recherche fondamentale avant-gardiste sur les algorithmes de l’apprentissage automatique et de l’apprentissage profond et leur application.

Pour vous joindre à l’Institut Vector en tant que stagiaire en recherche, vous devez être supervisé par un membre du corps professoral de l’Institut Vector. Veuillez prendre le temps de consulter les profils des membres de notre corps professoral afin de prendre une décision éclairée concernant une demande de supervision.

La période de présentation de demandes pour les stages d’été commence en janvier 2022. Les stages sont d’une durée de quatre mois.

Qui devrait postuler ?

Les compétences exigées pour des stages pratiques sont propres à chaque poste et sont décrites en détail dans l’offre d’emploi. Certains stages sont dans des fonctions de génie de l’AA extrêmement techniques, tandis que d’autres peuvent exiger des connaissances propres au domaine ou de l’expérience en gestion de projet. Les stages pratiques sont affichés sur le Pôle de talents numériques de Vector.

Les stagiaires en recherche ont des intérêts dans un large spectre, allant de la recherche de base en apprentissage automatique ou apprentissage profond à des activités plus appliquées et entrepreneuriales. Les étudiants qui ont excellé dans d’autres domaines et qui désirent passer à l’apprentissage profond ou à l’apprentissage automatique de façon plus élargie peuvent également songer à présenter une demande. Un formulaire de candidature pour les stages en recherche sera accessible sur cette page au début du mois de janvier.

Vector bâtit une main-d’œuvre en IA diversifiée.

L’Institut Vector est déterminé à perfectionner la main-d’œuvre en IA et à bâtir un écosystème d’IA solide et diversifié au Canada. L’Institut Vector encourage les demandes pour nos programmes de stages de la part de personnes racisées, de personnes de couleur, de femmes, de personnes autochtones, de personnes de populations autochtones d’Amérique du Nord, de personnes handicapées et de personnes membres de la communauté LGBTQ2S+.

Cette année, l’Institut Vector est ravi d’annoncer le lancement d’un nouveau stage destiné à accélérer et à élargir l’accès aux connaissances en IA au Canada pour les étudiants noirs et autochtones. . En savoir plus..

QVous avez des questions à propos des programmes de stages de l’Institut Vector? Faites-nous parvenir un courriel à l’adresse internships@vectorinstitute.ai 

Pleins feux sur les stagiaires de Vector

Sheen Thusoo
Stage pratique en AA, été 2021
Études actuelles : Étudiante en génie biomédical, spécialisation en IA, Université de Waterloo.

Quel projet vous a enthousiasmé le plus durant votre stage?

Durant le temps que j’ai passé à l’Institut Vector, j’ai travaillé sur un projet très emballant appelé « Project Pensive » – un outil de source ouverte conçu pour améliorer les moteurs de recommandation en intégrant des filtres conscients du contenu. Plus précisément, nous avons mis en œuvre des filtres détectant la courtoisie et la diversité sur un ensemble de données Reddit pour aider les utilisateurs à supprimer les publications non courtoises et stimuler les publications aux points de vue diversifiés. Notre vision consistait à créer une plateforme de médias sociaux où l’utilisateur avait le contrôle sur ce qu’il voyait et sur ce avec quoi il interagissait. Au moyen de cet outil, nous espérons faire la promotion d’activités prosociales en ligne et accroître la satisfaction de l’utilisateur à long terme.  Voyez la présentation de Sheen et de Michael Nasello sur le « Project Pensive » à la communauté de Vector. Apprenez-en plus sur le « Project Pensive » surGitHub.

En quoi votre expérience de stage et le fait de faire partie de la communauté de Vector ont-ils eu une incidence sur vos prochaines étapes?

Durant le temps que j’ai passé à l’Institut Vector, j’ai créé des liens avec plusieurs experts de l’industrie et je me suis renseignée sur leurs expériences en IA. À partir de ces liens et de ma propre expérience à l’Institut Vector, je me suis rendu compte que je veux approfondir mes connaissances dans le domaine, et j’ai envie d’approfondir mon éducation en faisant une maîtrise.

Amirmohammad Kazemeini
Stage en automatisation, été 2021
Études actuelles : Étudiant à la maîtrise en informatique, Université Western.

Comment avez-vous découvert votre intérêt pour l’IA?

Par essai et erreur! J’ai commencé mon baccalauréat en sciences en concevant des applications Android. Je suis ensuite passé à la conception Web, à la création de jeux et au génie logiciel. Enfin, j’ai découvert mon intérêt pour l’IA lorsqu’un de mes chargés de cours m’a invité à collaborer à un projet de science des données. J’ai trouvé que l’extraction de tendances significatives provenant d’immenses quantités de données était franchement formidable, en particulier lorsqu’il est impossible de prendre conscience de l’information sans recourir à des approches d’IA.

Qu’avez-vous appris durant votre stage?

Vector fut ma première expérience de travail au Canada, et sans aucun doute cette expérience a comporté de nombreux avantages. J’ai appris comment relever de personnes non techniques dans d’autres domaines, à gérer des projets, à déployer un outil et à le mettre en action. J’ai également été en contact avec des experts travaillant dans des domaines qui correspondent à mes intérêts de recherche, qui consistent à améliorer la santé mentale des gens à l’aide d’applications d’IA, par exemple le traitement du langage naturel. Ces liens m’ont mené à mon prochain stage et, possiblement, à mon emploi une fois que je serai diplômé. Apprenez-en davantage sur la présentation de recherche d’Amirmohammad intitulée Interpretable Representation for Personality Detection.

Yongchao Zhou
Stage pratique en AA, été 2021
Études actuelles : Étudiant au doctorat, Université de Toronto; superviseurs : Jimmy Ba et Brendan Frey.

Sur quoi avez-vous travaillé durant votre stage à l’Institut Vector?

Au début de mon stage, je m’intéressais énormément à la façon de bâtir un système d’apprentissage automatique labellisé et un outil qui facilite le processus d’annotation de données. Durant mon stage, je me suis concentré sur la classification de jetons et j’ai bâti un outil d’annotation de données basé sur les récentes percées en apprentissage actif et l’apprentissage par transfert. Renseignez-vous sur l’outil d’annotation de données pour la reconnaissance d’entités nommées (DANER) sur GitHub GitHub ou visionnez l’exposé du projet de Yongchao sur YouTube.

Quels sont certains des faits saillants de votre expérience chez Vector?

Ce stage m’a donné la chance de créer un véritable produit d’AA à partir de zéro. Grâce à cette expérience, j’ai élargi mon ensemble de compétences et je suis devenu un « chercheur complet en apprentissage automatique ». De plus, mon état d’esprit et mon point de vue concernant l’AA ont changé. Auparavant, je me souciais principalement du modèle et de l’algorithme. Maintenant, je pense de façon plus systématique aux données et aux problèmes réels.

Jaswinder Narain
Stage en gestion de projet, été 2021
Études antérieures : Smith School of Business (Queen’s), maîtrise en gestion (intelligence artificielle) (2021).
Fonctions actuelles : Associée, One Analytics, PwC.

Sur quoi avez-vous travaillé durant votre stage à l’Institut Vector?

J’ai travaillé avec l’équipe de l’innovation de l’industrie chez Vector et j’ai fait des recherches intensives sur l’IA responsable et les technologies d’amélioration de la confidentialité (TAC) afin de comprendre leur application et la façon dont les entreprises peuvent en arriver ensemble à des pratiques exemplaires. J’ai aussi participé à l’élaboration d’un protocole permettant d’évaluer l’état de préparation de l’IA d’une organisation.

En quoi votre expérience de stage et le fait de faire partie de la communauté de Vector ont-ils eu une incidence sur vos prochaines étapes?

L’expérience chez Vector m’a permis d’acquérir un tout autre niveau de compréhension de l’IA, en plus de m’exposer à de nouveaux chercheurs et aux normes de l’industrie. L’expérience m’a permis de prévoir une réglementation et des modifications futures dans le domaine et a stimulé ma confiance dans l’application de la bonne technologie. Je travaille actuellement chez PwC au sein de leur division consultative sur différents projets d’IA et d’apprentissage automatique.

Marta Mauri
Stage de recherche Vector, printemps 2019
Superviseur de stage : Dr. Juan Felipe Carrasquilla, membre du corps professoral de l’Institut Vector
Fonctions actuelles : Ingénieure en logiciel quantique, Zapata Computing
Études antérieures: Étudiante à la maîtrise en sciences (physique), Université de Milan

Sur quoi avez-vous travaillé et qu’avez-vous appris durant votre stage à l’Institut Vector?

Mon projet de recherche était axé sur l’étude des systèmes de spins quantiques en tirant profit de la puissance de calcul des réseaux de neurones. En théorie de la matière condensée, les systèmes de spins quantiques sont des modèles simplifiés conçus afin d’avoir un aperçu du mécanisme microscopique du magnétisme, qui comprend intrinsèquement des phénomènes quantiques à plusieurs corps. Malgré leur simplicité, de tels modèles sont extrêmement difficiles à étudier de façon théorique. Ainsi, les approches computationnelles ont été prédominantes au cours des dernières décennies. Parmi celles-ci, une option puissante est la méthode Monte-Carlo. Durant mon stage, j’ai étudié si et comment l’ajout d’un réseau de neurones en tant que composante de cet algorithme pouvait accroître son rendement et fournir une meilleure estimation des principales propriétés de l’état fondamental du système de spins. Plus précisément, ma recherche était axée sur l’utilisation d’une machine de Boltzmann restreinte : il était très intéressant d’en apprendre sur la composante AA et de jouer avec elle!

Quels sont certains des faits saillants de votre expérience chez Vector?

Le stage à l’Institut Vector et la collaboration avec mon superviseur Juan Carrasquilla, ont été extrêmement instructifs et utiles. Cela m’a donné la chance d’approfondir mes connaissances en physique et, plus important encore, cela m’a permis de pénétrer dans le monde fascinant de l’apprentissage automatique. Le fait d’établir des liens avec d’autres chercheurs de l’Institut Vector dans l’espace Vector m’a exposé à d’innombrables techniques et cas d’utilisation en lien avec l’intelligence artificielle et m’a permis d’avoir accès à des recherches avant-gardistes et à des gens brillants!

Durant mon stage à l’Institut Vector, j’ai également eu la chance d’entrer en contact avec le milieu de l’industrie, quelque chose que je n’avais pas eu la chance de faire auparavant. Cet aspect a été essentiel pour faire bifurquer mon cheminement professionnel du domaine universitaire vers l’industrie.

Yann Dubois
Stage de recherche Vector, hiver et printemps 2021
Superviseur de stage : Dr. Chris J. Maddison, membre du corps professoral de l’Institut Vector
Études actuelles : Doctorat, Université Stanford

Sur quoi avez-vous travaillé durant votre stage à l’Institut Vector?

Notre projet principal portait sur la compression de données pour l’apprentissage automatique en aval plutôt que sur la perception humaine. En effet, les compresseurs standards (p. ex., JPEG) sont optimisés de sorte que les reconstructions ont l’air semblables pour les humains. De nos jours, la plupart des données ne sont pas vues par les humains, mais sont plutôt traitées par des algorithmes axés sur une tâche en particulier, et l’entreposage de données en formats lisibles pour les humains peut être prohibitif. Du côté théorique, nous avons officialisé la compression pour l’apprentissage automatique en aval en caractérisant le meilleur débit binaire réalisable pour assurer un rendement élevé pour toutes les tâches désirées. Du côté pratique, nous avons montré comment entraîner de tels compresseurs de façon non supervisée à réaliser un gain de compression 1 000 fois supérieur au format JPEG sur des images standards. À long terme, nous espérons que ce type de compression permettra aux gens de traiter des données à des échelles qui sont actuellement possibles uniquement dans de grandes institutions, et qu’il permettra à notre société de profiter d’importantes sources de données d’une façon plus durable.

Lisez l’article Lossy Compression for Lossless Prediction qui a été accepté au NeurIPS 2021.

Quels sont certains des faits saillants de votre expérience chez Vector?

Vers la fin de mon stage, on m’a invité à faire une longue présentation sur nos travaux de compression au séminaire du jeudi de Vector. Ce fut une excellente occasion pour moi d’apprendre à présenter mon travail, à informer les autres de nos résultats et à interagir avec d’autres chercheurs qui ont formulé des commentaires intéressants. J’ai également eu d’autres occasions précieuses de présenter mon travail dans le laboratoire de Chris Maddison et le laboratoire de Dan Roy.

On m’a également appris la façon d’optimiser l’incidence d’une recherche et de collaborer de façon plus efficace. Après mon stage, j’ai continué de collaborer avec le laboratoire de Chris, et j’espère sincèrement continuer à le faire dans un avenir rapproché. Chris a été un véritable mentor qui a continué de me donner des conseils professionnels et personnels utiles même après mon départ de l’Institut Vector.

Vous souhaitez en savoir plus sur les projets de stage à l’Institut Vector? Jetez un œil à notre liste d’écoute de projets internes sur YouTube, y compris des présentations sur les TAC : technologies d’amélioration de la confidentialité, par exemple l’apprentissage fédéré, la confidentialité différentielle et le chiffrement homomorphe.

Scroll to Top