View source for Jobs/M2 RL 2014 problematiques-performance/fr

{{Job
|Reference id=M2 RL 2014 problematiques-performance
|Title=Étude de problématiques de performance en traitement d'images dans un contexte générique
|Dates=5 - 6 mois en 2014
|Research field=Image Processing
|Related project=Olena
|Advisor=Roland Levillain
|Context=Fondé en 1998, le [https://www.lrde.epita.fr Laboratoire de Recherche et Développement de l'EPITA (LRDE)] est un laboratoire sous la tutelle de l'[http://www.epita.fr École Pour l'Informatique et les Techniques Avancées (EPITA)].  À l'instar du laboratoire, l'équipe est jeune et dynamique ; début 2014, elle est composée d'une dizaine d'enseignant-chercheurs, d'une administratrice, de 4 doctorants et d'une dizaine d'étudiants-chercheurs de l'école.  Les travaux de recherche fondamentale effectués au LRDE s'articulent autour de deux thématiques :

* la reconnaissance des formes ;
* les automates et la vérification formelle.

Par ailleurs, la recherche applicative s'inscrit dans un axe transverse dit de « généricité et performance ».
|General presentation of the field=Ce stage s'inscrit dans l'axe « généricité et performance » du laboratoire.

On peut constater d'une part que de nombreux outils logiciels pour le traitement d'image sont conçus en prenant en compte des problématiques de performance relatives aux données (images ou vidéos volumineuses ou nombreuses), au contexte (contraintes de temps réel, besoins d'obtenir une réponse dans un temps « raisonnable ») ou encore liée au matériel (puissance de calcul ou capacité mémoire limitée(s)).

Par ailleurs, de plus en plus de bibliothèques logicielles pour le traitement d'images sont construites d'après une modélisation avancée mettant en œuvre des ''abstractions'' représentant les différentes notions du domaine (image, point, valeur, voisinage, etc.).  Cette approche permet une écriture « haut niveau » d'algorithmes de traitement d'images, réutilisables (non limités à un unique cas d'utilisation) et souvent plus simples.  Les cadres logiciels (''software frameworks'') entrant dans cette catégorie s'appuient le plus souvent sur la programmation orientée objet ou la programmation générique (templates du C++, generics de Java ou C#).

Il est cependant beaucoup plus rare d'observer des outils qui cherchent à répondre aux deux préoccupation précédentes (être performant tout en fournissant une écriture générale via des abstractions).  Le projet [[Olena]], développé depuis une quinzaine d'années au LRDE, propose une bibliothèque de traitement d'images générique en C++, Milena, permettant l'écriture d'algorithmes réutilisables et performants.  Elle s'appuie à la fois sur la programmation générique et la programmation orientée objet.  Le stage proposé a pour objet l'exploration de pistes pour étendre les capacités de Milena dans le domaine du calcul performant (notamment dans le contexte des « Big Data »), tout en préservant ses caractéristiques de généricité et d'abstraction actuelles.
|Prerequisites=Mots-clefs : calcul scientifique, Big Data, C++, programmation parallèle.
|Objectives=Les pistes de travail proposées incluent notamment les idées suivantes :

* la conception et l'ajout de structures de données destinées à de gros volumes de données ;
* l'utilisation d'instructions de vectorisation (SIMD) pour accélérer les calculs ;
* l'utilisation de programmation parallèle (multicœur) pour répartir les calculs.
* la réalisation d'algorithmes (ou de familles d'algorithmes) en utilisant une approche déclarative, permettant de découpler leur définition et leur implémentation bas-niveau dans un contexte matériel donné ;
* l'utilisation de la programmation générique (par exemple, des canevas d'algorithmes) et/ou la programmation générative (génération et assemblage de code basés sur des modèles) ;
* l'introduction d'optimisations dirigées par les profils (Profile-Guided Optimizations), tirant parti de données réelles pour améliorer un code via des technique d'apprentissage introduites dans la compilation.

Dans tous les cas, les travaux de recherche devront être menés en gardant à l'esprit une intention de réutilisabilité / généricité (même partielle) des solutions proposées, en s'appuyant par exemple sur un raffinement (''lifting'') incrémental d'une première proposition.  À terme, l'objectif est en effet de poser les premières briques d'une formalisation d'un ensemble de propriétés et de types de données permettant de généraliser les améliorations de performance mentionnées ci-avant.
|Contact=roland.levillain-at-lrde.epita.fr (Ne pas oublier de mentioner la référence du stage figurant au début de cette annonce.)
|Compensation=800 &euro; brut/mois
|Future work opportunities=Si le déroulement du stage est satisfaisant, nous souhaiterions qu'il soit suivi d'une thèse de doctorat.
|Type=Master Internship
|Language=fr
}}