Vous recherchez une alternance ou un stage en tant que Data Scientist en Computer Vision ? Les problématiques liées à la data vous stimulent et vous avez déjà eu l’occasion de vous y frotter ?
Nous vous proposons de participer au développement d’algorithmes de Deep Learning et Computer Vision pour digitaliser les infrastructures et détecter des défauts sur des images d’inspection technique d’éoliennes et de panneaux solaires. Ça vous intéresse ? Alors rencontrons-nous !
Au sein de notre équipe Data et en relation étroite avec les équipes de développements et produits, vous participerez activement à l’exploitation et à l’analyse du grand volume de données présents sur notre infrastructure d’inspections.
Selon le sujet que nous choisirons ensemble, la mission incluera :
-
Le développement et l’amélioration des algorithmes de computer vision pour l’analyse des images capturées
-
Un travail sur le cycle de vie complet de la donnée : collection, database design, exploration et enrichissement
-
Du data processing (normalisation, feature extraction, transformation)
-
L’implémentation de réseaux de Deep Learning
-
Le suivi de la performance de vos modèles et leur industrialisation
-
S’adapter rapidement à de nouveaux algorithmes, logiciels ou technologies
-
Etudiant·e en master, école d’ingénieur ou autre formation dans le domaine à la recherche d’un stage de fin d’étude ou d’une alternance
-
Expériences passées en data science et computer vision, traitement de l’image (stage, projet …)
-
Connaissance des environnements et langages de la Data Science et CV : Python (attendu), openCV, Pandas, PyTorch/TensorFlow…
-
Force de proposition et autonome
-
Bonne communication : français et anglais
Apprécié:
-
Connaissances en infrastructure cloud GPU (AWS, GCP)
-
Esprit entrepreneurial avec un intérêt pour le drone et l’industrie
-
Approche organisée et professionnelle avec un goût pour les challenges
Poste basé à Rennes (proche gare), pas de full remote, ticket restaurant (carte Swile)
Une lettre de motivation (même courte) serait appréciée mais non obligatoire.