Postée il y a 24 heures
VeoNum…Tu en a déjà entendu parler ? un peu, beaucoup, pas encore suffisamment ?
Peu importe ta réponse à la question, je te laisse poursuivre ta lecture et t'immerger dans l'environnement Human First, valeur fondamentale de l'entreprise.
VeoNum, entreprise rennaise, regroupe aujourd'hui 40 consultants dont plusieurs dotés d'un doctorat. Elle est le fruit de l'engagement de ses trois fondateurs dont les valeurs sont basées sur la bienveillance, le partage, le bien-être et l'expertise technique.
L'entreprise à taille humaine s'inscrit dans une logique de proximité en faisant preuve de convivialité et de bon sens au quotidien.
Le « Human first », notre ADN, qu'en est-il exactement ?
- C'est le choix du projet sur lequel tu vas travailler, sans aucune mobilité !
- C'est une formation sur mesure et adaptée à ton expertise,
- C'est une bonne mutuelle, des tickets restaurant, des RTTs …
- C'est une participation aux événements régionaux (DevFest, Agile Tour…) où tu vas pouvoir te nourrir d'informations sur ton métier
- C'est une vraie Team où on sait aussi de temps en temps laisser le travail de côté ! (Soirées, escape game, barbecue, karting…)
L'activité de l'entreprise quant à elle s'oriente sur plusieurs axes autour desquels tu pourras évoluer, et ainsi rapidement monter en compétences entre deux projets :
La veille technologique sur les nouveaux Frameworks
Des projets réalisés pour des clients internationaux,
Rejoins une équipe R&D passionnée et innovante !
Description du poste
Nous recherchons un(e) Ingénieur(e) en Intelligence Artificielle spécialisé(e) en deep learning et explicabilité des modèles IA, avec une expertise particulière dans l'utilisation des transformers pour le traitement de données temporelles (time series) et le développement de modèles hybrides mécanistiques. Une expérience avec AWS SageMaker et l'environnement AWS (EC2, S3, Lambda, etc.) serait un plus.
Missions principales
- Concevoir, développer et optimiser des modèles de deep learning appliqués aux séries temporelles.
- Travailler sur l'explicabilité des modèles IA afin d'améliorer la transparence et l'interprétabilité des prédictions.
- Concevoir des architectures de modèles hybrides combinant :
- Approches mécanistiques basées sur des équations mathématiques.
- Modèles de deep learning par optimisation de fonctions de perte adaptées.
- Utiliser et adapter les transformers pour le traitement et l'analyse de données temporelles complexes.
- Mettre en place des stratégies d'optimisation des loss functions pour améliorer la convergence et la précision des modèles.
- Implémenter, déployer et monitorer les modèles sur AWS SageMaker.
- Utiliser les services AWS (S3, Lambda, EC2, SageMaker) pour l'entraînement, le stockage et le déploiement des modèles IA.
- Collaborer avec des équipes de recherche en IA et des experts du domaine pour valider et déployer les modèles.
- Participer à la veille technologique et scientifique pour intégrer les dernières avancées en IA et en explicabilité.
- Doctorat ou Master avec une expérience avancée en intelligence artificielle, machine learning, ou deep learning. L'idéal est un docteur ayant réalisé une thèse sur des sujets connexes (deep learning, explicabilité des modèles, modélisation des séries temporelles, etc.).
- Expérience solide en modélisation des séries temporelles et application des transformers.
- Compétences avancées en programmation Python et frameworks IA (TensorFlow, PyTorch, JAX, etc.).
- Bonne maîtrise des techniques d'optimisation et de conception de loss functions adaptées aux modèles hybrides.
- Expérience en explicabilité des modèles IA (SHAP, LIME, Gradient-based methods, etc.).
- Connaissances en mathématiques appliquées, modélisation mécanistique et algorithmes d'optimisation.
- Expérience avec AWS SageMaker pour l'entraînement et le déploiement de modèles IA.
- Familiarité avec les outils DevOps et l'infrastructure cloud (Docker, Kubernetes, CI/CD sur AWS).
- Capacité à travailler en équipe et à communiquer efficacement des concepts complexes.
- Esprit innovant et rigoureux, capable de mener des expériences et de tester de nouvelles idées.
- Atouts
- Expérience en hybridation de modèles physiques et IA.
- Connaissance des méthodes bayésiennes et de l'apprentissage probabiliste.
- Expérience en déploiement de modèles IA sur des architectures distribuées ou cloud.
- Expérience avec MLflow, TensorBoard, ou d'autres outils de suivi des expériences.
Mutelle, ticket restaurant…
- Doctorat ou Master avec une expérience avancée en intelligence artificielle, machine learning, ou deep learning. L'idéal est un docteur ayant réalisé une thèse sur des sujets connexes (deep learning, explicabilité des modèles, modélisation des séries temporelles, etc.).
- Expérience solide en modélisation des séries temporelles et application des transformers.
- Compétences avancées en programmation Python et frameworks IA (TensorFlow, PyTorch, JAX, etc.).
- Bonne maîtrise des techniques d'optimisation et de conception de loss functions adaptées aux modèles hybrides.
- Expérience en explicabilité des modèles IA (SHAP, LIME, Gradient-based methods, etc.).
- Connaissances en mathématiques appliquées, modélisation mécanistique et algorithmes d'optimisation.
- Expérience avec AWS SageMaker pour l'entraînement et le déploiement de modèles IA.
- Familiarité avec les outils DevOps et l'infrastructure cloud (Docker, Kubernetes, CI/CD sur AWS).
- Capacité à travailler en équipe et à communiquer efficacement des concepts complexes.
- Esprit innovant et rigoureux, capable de mener des expériences et de tester de nouvelles idées.
- Atouts
- Expérience en hybridation de modèles physiques et IA.
- Connaissance des méthodes bayésiennes et de l'apprentissage probabiliste.
- Expérience en déploiement de modèles IA sur des architectures distribuées ou cloud.
- Expérience avec MLflow, TensorBoard, ou d'autres outils de suivi des expériences.