À propos de Mila
Fondé par le professeur Yoshua Bengio de l’Université de Montréal, Mila rassemble des chercheurs spécialisés en intelligence artificielle et plus précisément en apprentissage automatique, apprentissage profond et apprentissage par renforcement. Reconnu mondialement pour ses importantes contributions au domaine de l’apprentissage profond, Mila s’est particulièrement distingué dans la modélisation du langage, la traduction automatique, la reconnaissance d’objets et les modèles génératifs. Depuis 2017, Mila est le fruit d’une collaboration entre l’Université de Montréal et l’Université McGill, en lien étroit avec Polytechnique Montréal et HEC Montréal.
Mila s’est donné pour mission d’être un pôle mondial d’avancées scientifiques qui inspire l’innovation et l’essor de l’intelligence artificielle (IA) au bénéfice de tous.
Pour en connaitre davantage, veuillez consulter https://mila.quebec/
À propos du stage
Mila recrute pour un poste de stagiaire en recherche au sein de l'équipe de recherche appliquée. Nous recherchons une personne pour contribuer à un projet de recherche appliquée pour un partenaire important de Mila.
Nous développons un modèle d'IA à l'échelle nationale pour la cartographie des risques d'incendies de forêt au Canada. Dans la première phase, nous avons développé un modèle d'IA de substitution (surrogate model) qui simule le cadre de simulation des feux de forêt du Canada (BurnP3) avec une accélération de 1 538x. Pour aller au-delà des références dépendantes de la simulation, nous ancrons maintenant le modèle dans des données du monde réel via deux directions :
- Validation empirique : Établir une référence qui corrèle les cartes BurnP3, les prédictions de l'IA et les observations historiques de feux de forêt afin de quantifier et de combler le « fossé de réalité » (reality gap) inhérent à l'entraînement basé sur la simulation.
- Calibrage en conditions réelles : Tirer parti de l'apprentissage faiblement supervisé pour s'affranchir des données issues de la simulation, en calibrant le modèle avec des données réelles de feux de forêt pour garantir que les prédictions reflètent les réalités écologiques observées.
Nous recherchons une personne pour un stage de 4 mois, débutant dès le début du mois de mai et se terminant en septembre.
Principales responsabilités
- Préparer et intégrer des ensembles de données géospatiales, environnementales et de feux de forêt pour l'analyse comparative et l'évaluation.
- Concevoir des flux de travail de validation comparant les résultats de BurnP3, les prédictions de l'IA et les observations historiques de feux de forêt.
- Aider à calibrer les modèles avec des données réelles de feux de forêt en utilisant des méthodes faiblement supervisées.
- Réaliser des expériences, analyser les résultats et améliorer la performance et le réalisme du modèle.
- Communiquer les conclusions par le biais d'une documentation claire, de visualisations et de rapports.
- Contribuer à une plateforme interactive en ligne pour analyser le fossé de réalité et recueillir les commentaires d'experts du domaine.
Opportunités d'apprentissage
- Développer une expertise pratique dans le traitement et l'analyse de données géospatiales à grande échelle.
- Acquérir une expérience concrète en apprentissage profond et en apprentissage faiblement supervisé.
- Travailler avec une équipe multidisciplinaire de chercheurs en apprentissage automatique appliqué et de développeurs d'IA.
- Possibilité de contribuer à une recherche innovante en IA avec un potentiel de publications académiques et d'applications à haut impact.
Requirements
Profil recherché
- Actuellement aux études ou récemment diplômé(e) d'une maîtrise ou d'un doctorat en informatique, mathématiques appliquées, apprentissage automatique ou dans un domaine technique connexe.
- Expérience en télédétection (remote sensing) et avec les données géospatiales.
- Bonne compréhension de l'apprentissage automatique, en particulier de l'apprentissage profond.
- Connaissance des architectures de modèles d'apprentissage profond.
- Expérience avec les langages de programmation, particulièrement Python, et les frameworks comme PyTorch.
- Capacités de recherche, avec la faculté de rester à jour sur les dernières tendances en IA et en apprentissage automatique.
- Excellentes compétences en recherche appliquée, incluant la définition de problèmes, l'exploration de solutions, ainsi que l'analyse et la présentation des résultats.
- Excellentes capacités de résolution de problèmes et passion pour l'innovation.
Atouts supplémentaires
- Expérience préalable avec les modèles de fondation pour la télédétection et les données géospatiales.
- Expérience préalable en apprentissage faiblement supervisé.
- Expérience en prototypage rapide utilisant des plateformes d'IA pour le développement et l'amélioration de modèles.
Benefits
De bonnes raisons pour travailler à Mila
- L'occasion de contribuer à une mission unique avec un impact important;
- Un horaire flexible, un horaire d'été et une possibilité de télétravail;
- Un milieu de travail au coeur de la Petite Italie, dans le quartier branché Mile-Ex, à proximité des transports en commun;
- Une équipe d'experts de leur domaine, des gens passionnés et passionnants;
- Une ambiance de travail collaborative et inclusive.
Comment postuler
Les candidats intéressés doivent soumettre :
- CV
- Une brève lettre de motivation expliquant votre intérêt pour ce stage et toute expérience pertinente. Veuillez noter également, dans votre lettre, vos disponibilités pour effectuer un stage.
- Optionnel : tout article de recherche ou projet sur lequel vous avez travaillé dans le domaine de l’IA.
Nous voulons vous connaître
À Mila, la diversité nous tient à cœur. Nous valorisons un environnement de travail équitable, ouvert et respectueux des différences. Nous encourageons toute personne souhaitant œuvrer dans un écosystème en progression continue et stimulée à contribuer à l’application et la définition d’une culture saine et inclusive, à postuler.
Veuillez noter que seules les personnes sélectionnées seront contactées.
https://mila.quebec/fr/protection-de-la-vie-privee
Research Intern - Wildfires
About Mila
Founded by Professor Yoshua Bengio of the Université de Montréal, Mila brings together researchers specializing in artificial intelligence, and more specifically in machine learning, deep learning and reinforcement learning. Recognized worldwide for its important contributions to the field of deep learning, Mila has particularly distinguished itself in language modeling, machine translation, object recognition and generative models. Since 2017, Mila has been the fruit of a collaboration between Université de Montréal and McGill University, with close links to Polytechnique Montréal and HEC Montréal.
Mila's mission is to be a global hub of scientific advances that inspires innovation and the rise of artificial intelligence (AI) for the benefit of all.
To find out more, please visit https://mila.quebec/
About the Internship
Mila is hiring for a Research Intern position in the Applied Research Team. We are looking for someone to contribute to an applied research project for an important partner of Mila.
We are developing a national-scale AI model for wildfire risk mapping in Canada. In the first phase, we have developed an AI surrogate model that approximates Canada's wildfire simulation framework (BurnP3) with a 1,538X speedup. To move beyond simulation-dependent baselines, we are now grounding the model in real-world data through two directions:
- Empirical Validation: Establishing a benchmark that correlates BurnP3 maps, AI predictions, and historical wildfire observations to quantify and bridge the "reality gap" inherent in simulation-based training.
- Real-World Calibration: Leveraging weakly-supervised learning to move beyond simulation ground truth, calibrating the model with actual wildfire data to ensure predictions reflect observed ecological realities.
We are looking for someone for a 4 month internship, starting as soon as early May, and ending in September.
Main Responsibilities
- Prepare and integrate geospatial, environment, and wildfire datasets for benchmarking and evaluation.
- Build validation workflows comparing BurnP3 outputs, AI predictions, and historical wildfire observations.
- Help calibrate models with real-world wildfire data using weakly supervised methods.
- Run experiments, analyze results, and improve model performance and realism.
- Communicate findings through clear documentation, visualizations, and reports.
- Contribute to a web-based interactive platform to analyze the reality-gap and gather feedback from domain experts