Chez Withings, nous développons des appareils de santé connectée : nos balances connectées, montres hybrides, tensiomètres, moniteurs de sommeil et tous les dispositifs de notre gamme sont aujourd’hui utilisés par des millions d’utilisateurs. Notre objectif est de permettre la prévention, le dépistage et l’accompagnement d’un certain nombre de maladies chroniques via des produits et des services innovants afin de révolutionner la manière dont on prend soin de notre santé.
Au sein de l’équipe Machine Learning, nous développons des algorithmes pour extraire des informations physiologiques et médicales pour nos utilisateurs tels que le SPO2, la fréquence cardiaque, la détection de diverses pathologies comme la fibrillation atriale, l’apnée du sommeil…
Nous recherchons un ou une stagiaire motivé.e par des sujets de santé avec des compétences en traitement du signal, en machine learning et en deep learning pour nous aider à concevoir les algorithmes de demain. Ce stage sera encadré par Guillaume de Laboulaye, notre Lead Machine Learning Engineer.
La mesure de la fréquence cardiaque apporte des informations précieuses pour le suivi de la santé et le dépistage de maladies chroniques, dans la vie quotidienne d’une part en pendant les efforts physiques d’autre part. Parmi les différentes technologies disponibles, la photopléthysmographie (PPG) est la plus adaptée à un suivi en continu dans une montre, et la plus répandue.
Le principe de base est d’envoyer de la lumière verte dans le poignet, et de mesurer la quantité de lumière qui revient dans le capteur optique de la montre : plus il y a de sang (rouge) dans le poignet, moins on récupère de lumière (verte). En réalisant une analyse spectrale du signal optique, on retrouve la fréquence cardiaque. La difficulté principale vient des mouvements, dans le poignet et entre la montre et le poignet. Ceux-ci perturbent fortement le signal, par du bruit d’une part et des fréquences concurrentes d’autre part.
L’enjeu principal consiste à utiliser les informations issues des accéléromètres pour nettoyer le signal des artefacts de mouvements et récupérer l’information pulsatile. Des méthodes classiques de traitement du signal peuvent y parvenir dans une certaine mesure, mais l’utilisation de Deep Learning est la solution la plus prometteuse pour passer un cap en termes de performances. Le stagiaire continuera un travail déjà initié en interne pour améliorer la solution actuelle, l’objectif étant d’obtenir un algorithme basé sur le Deep Learning qui surpasse l’algorithme classique actuel. Une problématique importante sera la gestion des données pour s’assurer d’une bonne généralisation du modèle.
Requirements
Benefits
Rejoindre l’aventure Withings, c’est :
Toutes les candidatures reçues sont étudiées indépendamment de l’origine ethnique, des croyances, de la religion, du genre, de l’orientation sexuelle ou de la santé des candidats. Withings aspire à offrir et garantir l’égalité des chances aux candidats et seules les personnes habilitées (RH et Management) auront accès aux informations concernant votre candidature.
Tyto společnosti rovněž nabírají pracovníky na pozici "{profese}".