Stage - Computer Vision Data Drift (H/F)

AI conçoit des solutions d'IA appliquées à des données complexes telles que les images satellite haute résolution, les flux vidéo FMV et les signaux acoustiques. Ces solutions s'appuient sur des algorithmes capables de détecter et d'identifier automatiquement des objets d'intérêt dans les secteurs du renseignement, de la défense et de l'aéronautique. 0.

À titre d’exemple, l’analyse d’images automatisée par l’IA peut assister les contrôleurs en charge de l’inspection de pièces critiques en les aidant à détecter les anomalies éventuelles à partir de clichés numériques.

Fort de nos 250 collaborateurs, vous évoluerez au sein d’équipes passionnées et pluridisciplinaires, réunissant des talents parmi les plus reconnus du secteur, tous animés par une même exigence d’excellence et d’innovation technologique.

Votre équipe Vous rejoindrez l'équipe AI Contrôle Non Destructif qui travaille sur le développement des algorithmes de détection de défauts sur des pièces industrielles. Vous intégrerez pour une durée de 6 mois une escouade de 3 à 5 personnes composées de Data Scientists, ML-engineers et R&D scientists tout en collaborant étroitement avec nos équipes AI Research et AI framework.

Les enjeux du poste   Votre mission principale en tant que stagiaire Deep Learning Scientist sera d’explorer le domaine du data drift sur des problème de contrôle non destructif. Il s’agira de savoir si de nouvelles données sortent du domaine de fonctionnement d’un algorithme déjà entraîné.

Dans un second temps, il sera possible d’explorer comment adapter un algorithme existant à des données légèrement différentes de celles qui ont été utilisées pour l’entrainement initial.

Vous disposerez de plusieurs bases de données de cas réels pour comparer les différentes solutions, qui pourront ensuite être utilisées dans des algorithmes mis en production.

Votre périmètre pourra comprendre sans s’y limiter les aspects suivants : → Faire de la bibliographie pour monter en compétence sur les problèmes de data drift et identifier des méthodes innovantes et adaptées au problème. → Proposer de nouvelles idées créatives et innovantes pour améliorer les performances de nos algorithmes.

→ Implémenter de nouvelles briques de code dans la codebase commune (briques de pré-traitement de la donnée, d’évaluation de la qualité des modèles, etc…) → Comprendre la donnée fournie pour pouvoir l’utiliser et la traiter au mieux → Développer, entraîner et tester les algorithmes de computer vision en utilisant notre cadre d'IA (deep learning, machine learning ou méthodes statistiques en fonction de ce qui est adapté au problème) → Analyser quantitativement et qualitativement les données et les prédictions pour s’assurer de leur cohérence et comprendre les résultats obtenus.

Ce travail sera réalisé en étroite collaboration avec les data scientists et ML-engineers de l’escouade, notamment en s’appuyant sur les outils déjà disponibles.