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 / 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 l’équipe IA et en lien étroit avec les chercheurs et ingénieurs R&D, le/la stagiaire aura pour mission de tester, adapter et valider les innovations issues de la recherche afin de les rendre exploitables sur notre infrastructure industrielle.

L’objectif est d’évaluer concrètement les bénéfices de ces approches sur des flux de données réelles (images RGB et spec-trales) et de contribuer à la mise en production des modules les plus prometteurs.

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

• Collaborer avec les équipes R&D pour comprendre, analyser et documenter les livrables issus des travaux de recherche (algorithmes, méthodes d’incertitude, stratégies d’échantillonnage actif, etc.).
• Implémenter ces livrables dans les environnements DataOps et MLOps internes afin d’évaluer leur intégration dans le cycle de vie des modèles IA.
• Tester les implémentations sur des jeux de données réelles, incluant des images RGB et hyperspectrales, pour mesurer la pertinence et la robustesse des approches.Analyser, valider et formaliser les résultats sous forme de RETEX (retour d’expérience) à destination des équipes R&D et IA, en mettant en avant les gains, limites et perspectives d’amélioration.
• Participer au déploiement et à l’évaluation / qualification sur site de nouvelles solutions de tri à base d’IA.

Profil recherché :

• 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 de l’analyse de données et de la vision industrielle ;
• Vous êtes à l’aise avec 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 avez un intérêt pour le traitement d’images industrielles (RGB / spectrales) et la mise en œuvre de modèles dans un environnement MLOps ;
• Vous êtes dynamique, autonome et disposez d’un sens critique développé ainsi qu’un fort esprit d’initiative et d’équipe.