Sujet de stage
Modèles de langage : application au nettoyage de données
 
Contexte :

La société Talend se positionne comme leader mondial dans le domaine
de la qualité de données [1]. Elle développe des outils cloud pour la
manipulation et la préparation de données comme Talend Data
Preparation, Talend Data Stewardship et Talend Pipeline Designer. Ces
outils permettent à l'utilisateur de manipuler et nettoyer
efficacement de multiples sources de données, de façon à transformer
des données brutes et les rendre disponibles pour les utilisateurs
métiers et les différentes applications de ses clients. Dans un tel
contexte, garantir une qualité optimale des données tout au long des
chaines de traitement est un enjeu primordial. Talend met à
disposition de ses clients différents moyens pour évaluer la qualité
de leurs de données, de détecter de potentielles anomalies ou
incohérences, et de les traiter de façon à les corriger.

Objectif du stage :

Le nettoyage automatique d'un jeu de données de grande taille reste à
ce jour un défi technique. Le développement des méthodes
d'apprentissage automatique a permis des avancées majeures dans le
traitement de données homogènes telles que les images ou le
texte. Même si leurs performances restent limitées en ce qui concerne
les données tabulaires [2], des études récentes ont démontré leur
potentiel notamment grâce à la prolifération des modèles de langage
[3]. L'objectif du stage sera d'explorer les différentes possibilités
d'utilisation des modèles de langage pour le nettoyage des données
dans le cadre des applications Talend. Le stagiaire sera intégré dans
l'équipe Lab au sein du département R&D.

Profil candidat :

· BAC +5 en fin de cycle d'école d'ingénieur ou Master 2 en
  université, spécialisé(e) en IA/data science, informatique et/ou
  mathématiques appliquées.

· Une expérience pratique en apprentissage automatique (de préférence
  en NLP) est requise.

· La maîtrise de l'anglais est exigée

· Compétences souhaitées : python, apprentissage automatique, NLP

· Durée :  5-6 mois (dès mars 2023)

Postuler en ligne :
https://jobs.lever.co/talend/dd852d52-c756-4c2c-b368-0312520a0822