Changed on 14/11/2024

Inria, el instituto francés de investigación en ciencias y tecnologías digitales, promueve la excelencia científica y la transferencia de tecnología para maximizar su impacto al enfrentar los desafíos de la informática y las matemáticas, a menudo en la interfaz de otras disciplinas y aplicadas a la astronomía, la ecología marina, la agricultura inteligente, el medio ambiente, el clima, entre otras.

 

Si te apasiona el conocimiento tecnológico-científico y buscas contribuir al desarrollo de proyectos de alto impacto, esta oportunidad en Inria Chile es para ti:  

¿Por qué ser parte de nuestro equipo Inria Chile?

  • Somos una organización que promueve el aprendizaje constante.

  • Valoramos la diversidad y la inclusión.

  • Hacemos hincapié en un equilibrio saludable entre vida y trabajo.

  • Somos colaborativos y transparentes.

  • Somos amigables.

  • Inria Chile se enorgullece de ser un empleador que ofrece plena igualdad de oportunidades.

Descripción de la pasantía

Esta pasantía de investigación tiene como motivación investigar en el uso de herramientas de profiling para optimizar y mejorar el rendimiento de modelos de inteligencia artificial. El objetivo es identificar cuellos de botella y áreas de mejora en el código de entrenamiento y ejecución de modelos, utilizando herramientas avanzadas de profiling para proporcionar un análisis detallado del uso de recursos. Los participantes aprenderán a aplicar técnicas de optimización para mejorar la eficiencia y rendimiento de los modelos, documentando sus hallazgos y proponiendo recomendaciones para futuras implementaciones.  

Objetivos de la pasantía: 

  • Estudiar y comprender el uso de herramientas de profiling en el contexto de modelos de inteligencia artificial.

  • Aplicar herramientas de profiling para identificar partes del código y del proceso de entrenamiento de modelos de IA que consumen más tiempo y recursos.

  • Analizar los resultados del profiling para determinar las áreas que requieren optimización.

  • Implementar técnicas de optimización basadas en los resultados del profiling, como la refactorización de código, paralelización, y ajuste de hiperparámetros.

  • Mejorar la eficiencia del uso de recursos (CPU, GPU, memoria) durante el entrenamiento y la inferencia de modelos de IA.

  • Comparar el rendimiento de los modelos antes y después de la optimización utilizando métricas de tiempo de ejecución, uso de memoria y precisión.

  • Documentar las mejoras obtenidas en términos de rendimiento y eficiencia.

Tareas principales:

  • Investigar las herramientas de profiling más utilizadas (Py-Spy, cProfile, line_profiler, TensorBoard, etc.).

  • Completar tutoriales y ejemplos básicos para comprender el funcionamiento de cada herramienta.

  • Realizar pruebas iniciales con pequeños fragmentos de código para entender cómo capturan y reportan los datos de rendimiento

  • Seleccionar varios modelos de IA (regresión, árboles de decisión, redes neuronales, etc.) para el análisis.

  • Implementar mejoras en las partes del código identificadas como ineficientes (optimización de loops, uso adecuado de estructuras de datos, etc.)

  • Reestructurar el código para mejorar la paralelización y el uso de múltiples núcleos de CPU/GPU.

  • Ejecutar los modelos optimizados y capturar nuevos datos de rendimiento utilizando las herramientas de profiling.

  • Comparar los datos de rendimiento antes y después de la optimización para evaluar las mejoras obtenidas.

Perfil del estudiante: 

  • Áreas de interés: Profiling, Optimización de Modelos, Rendimiento del Código

  • Carreras: Ciencias de la computación, ingeniería eléctrica u otras carreras afines

  • Proactividad y capacidad para trabajar de forma autónoma.

  • Motivación por aprender

  • Trabajo en equipo

  • Habilidad para analizar problemas técnicos y proponer soluciones creativas.

  • Interés en la aplicación de la inteligencia artificial en sectores productivos.

 Conocimientos técnicos:

  • Git y Github

  • Programación en lenguaje Python

  • Experiencia programando con Pandas, scikit-learn, matplotlib, seaborn, etc.

  • Experiencia con librerías de deep learning (TensorFlow o PyTorch)

¿Qué ofrecemos?

  • Distribución de horas de prácticas entre enero y marzo 2025, según lo requerido por tu universidad. 

  • Modalidad: presencial.

  • Ubicación: oficinas Inria Chile, Avda. Apoquindo 2827, piso 12, Las Condes, Santiago (metro Tobalaba). 

  • Se entregará una compensación por concepto de colación y movilización de $350.000 pesos brutos.

¿Cómo postular?

Escríbenos una carta de motivación contándonos sobre tus habilidades e intereses, queremos conocerte, además indicanos:

  • ¿Por qué quieres ser parte de nuestro equipo?

  • ¿En qué fecha podrías comenzar tu práctica? 

  • ¿Cuántos meses puedes colaborar con nosotros?

  • ¿Cuántas horas de prácticas debes realizar? 

Contesta a este formulario y sube tu carta de motivación junto a tu CV.

Recibiremos postulaciones hasta el 08 de Diciembre 2024.