L’intelligence artificielle est intégrée de façon croissante dans nos machines, pour répondre aux nouvelles exigences de tri. Afin d’accompagner ce déploiement industriel, une équipe projet dédiée développe activement l’ensemble des outils de DataOps / MLOps (« Data and Machine Learning Operations ») permettant de faciliter le développement, l’évaluation et le maintien en condition opérationnelle des réseaux exploités sur nos machines.

Au sein de cette équipe, et avec le support de nos ingénieurs IA et nos experts applicatifs, l’enjeu du stage est d’intégrer des modèles concurrents aux modèles actuels dans les outils de DataOps / MLOps et d’en quantifier les performances en simulation puis de façon concrète sur nos machines.

En détails, les principales tâches de ce stage sont les suivantes : 

• Prendre en main les principales fonctionnalités de nos plateformes de DataOps / MLOps et les chainages existants entre les outils R&D et les plateformes de DataOps / MLOps ;


• Intégrer de nouveaux modèles issus de la R&D dans la plateforme et s’assurer du bon fonctionnement de la chaine de preprocessing, entraînement, production des métriques, jusqu’au déploiement ;


• Implémenter des outils de DataOps / MLOps assurant le meilleur compromis entre actions manuelles / automatisation tout en maximisant la performance des modèles ;


• Participer activement à la documentation et à l’amélioration continue des outils de DataOps / MLOps permettant de faciliter ces développements « applicatifs » par des utilisateurs non aguerris ;


• Participer au déploiement et à l’évaluation / qualification sur site de nouvelles solutions de tri à base d’IA.
   

• Vous êtes en école d’ingénieur / master spécialisé en intelligence artificielle (machine Learning, deep learning, data sciences) ;


• Vous avez des connaissances spécifiques dans le domaine du développement logiciel et des outils opérationnels (DevOps, DataOps, MLOps, AIOps…) ;


• Vous êtes à l’aise avec la programmation Python ainsi que les outils standards de traitement de données (Pytorch, Tensorflow, opencv, numpy, etc). Une expérience passée sur des problématiques deep learning sur de l’image / vidéo serait un plus ;


• Vous êtes dynamique, autonome et disposez d’un sens critique développé ainsi qu’un fort esprit d’initiative et d’équipe.