Nous cherchons une (un) étudiante (iant) en école d’Ingénieur, niveau Master 2 d’informatique, pour un projet en computer vision, pour une durée de 6 mois.

L’objectif est de fiabiliser et finaliser un logiciel SAS, Stockfit, que nous développons : “Real time automated product inventory”. Le projet porte sur la reconnaissance d’objets dans des milieux contraints, notamment en utilisant des techniques avancées de Computer vision par IA, de Feature Matching (ORB, SIFT) et des approches inspirées du Crowd Counting.

On te prévient, c’est pas évident techniquement. Mais à l’issue, pourquoi pas restez chez nous.

Tes missions

Tu travailleras sur le développement de nouveaux algorithmes, l’exploration de techniques d’apprentissage automatique pour le traitement et l’analyse d’images, ou l’avancement de la technologie de reconnaissance d’objets, afin d’améliorer notre software d’inventaire, Stockfit, actuellement en version beta, en cours de commercialisation pour nos clients. Plus spécifiquement, tu contribueras à:

• L’optimisation des algorithmes de Feature Matching (ORB, SIFT, Template Matching) pour la détection précise des produits

• L’adaptation des techniques de Crowd Counting (CSRNet, Density Map) pour estimer le nombre d’objets partiellement visibles ou occultés

• L’amélioration de la précision des inventaires grâce aux techniques de segmentation avancées

** “tu as comme bagage” **

• Bac +5, master 2 en Informatique d’une grande école d’ingénieur (Top10) avec une spécialisation en intelligence artificielle (IA) et en apprentissage automatique (machine learning)

• Connaissance et pratique de la programmation : Python, C/C++ et Javascript et des outils Git et Docker

• Connaissance et pratique de la vision : notions de machine learning telles que la classification, la détection et la segmentation ainsi que les systèmes d’acquisition d’image. Tu sais utiliser les bibliothèques OpenCV, les frameworks TensorFlow ou Pytorch et Yolo pour la détection d’objets. Une expérience avec les algorithmes de Feature Matching (ORB, SIFT) et/ou les approches de Crowd Counting (CSRNet, Density Map) serait un plus significatif.

  ** tu es la bonne personne, si **

• tu es rigoureux, autonome, et capable de résoudre des problèmes complexes. Tu es tout aussi efficace pour faire atterrir un projet

• tu es un communicateur universel : tu parles le langage technique et as une aisance à t’adapter à un public moins expérimenté

• tu es à l’aise pour déchiffrer l’anglais technique : “Utilizing backpropagation, gradient descent optimizes the convolutional neural network’s weights, minimizing the loss function to enhance the model’s predictive accuracy on unseen multidimensional data”

• tu demeures un innovateur inlassable : une soif inextinguible pour l’innovation et l’apprentissage continu

** Travailler chez Sananga c’est **

• Des bureaux privatifs dans un open space de 1200m2, à 100m du Stade de France

• Une facilité d’accès par le RER B ou par vélo (garage à vélo disponible)

• Un accès 24/7 et du télétravail (max 2 jours)

• Un espace commun de travail et une multitude d’endroits pour s’isoler (phone box, salles de réunion, espace zen)

• Un pass Navigo pris en charge à 50%

Si tu te sens prêt, voilà les étapes à franchir. Une fois ces entretiens passés, tu recevras un retour argumenté.

1 - Premier call non Tech de 30 minutes avec l’un des deux co-fondateurs (en visio)
2 - Étude de cas technique sous 5 jours (à domicile)
3 - Débrief du cas & entretien Tech avec un des membres de la Squad Tech de 1h (au bureau)
4 - Dernier round avec l’autre co-fondateur de 30mn (en visio)