La MAIF recherche un(e) collaborateur/collaboratrice dans le cadre d’un stage d’une durée de 6 mois. 

Contexte 
Vous interviendrez au sein de la Tribu Intelligence Opérationnelle (IODA) de la Data Factory et plus particulièrement avec les membres de la Squad IATI (IA Texte & Image). Cette dernière traite des sujets reposant sur des données textuelles comme les mails ou visuelles comme des photos ou documents scannés. 
Vous serez amené(e) à travailler en étroite collaboration avec l’ensemble des acteurs de la Data Factory, les représentants des Directions Métiers ou encore les acteurs des directions informatique. 

Sujets proposés 

1- Comparaison de documents scans/photos 
Le but de ce projet est de créer un micro-service de comparaison de documents à des fins de détection de doublons et de recherche de similarités. Par exemple certains documents déjà traités et stockés par les gestionnaires Maif peuvent arriver en doublon via d’autres canaux de communication (mail, courrier, internet, …). 

Les modélisations s’appuieront sur des configurations simplifiées pour paramétrer les caractéristiques des modèles et les entrainements associés. L’application se fera sur des cas d’usages précis métier. 

2- Amélioration, Mise à jour et Consolidation de modèles de deep learning existants

Chacun de nos produits traitant de données non structurées comme les images incorpore un ou plusieurs modèles de deep learning (classification, détection d’objets, ocr, …). Ces derniers répondent de façon satisfaisante à un besoin en production comme l’extraction d’information dans les constats amiables automobiles ou le typage de pièces-jointes.

Néanmoins au vu des évolutions rapides du marché l’idée de ce stage est de tester d’autres approches et de challenger l’existant dans un but d’amélioration continue de nos solutions. 
Également ce sera l’occasion pour le candidat sélectionné de découvrir et de contribuer aux pratiques mlops Maif. Versioning, reproductibilité, suivi des performances et serveurs d’inférences sont au programme. 

Bac +4/+5 (école d’ingénieur, cursus universitaire en informatique) 

Compétences relationnelles 
- Capacités d’adaptation et d’apprentissage 
- Autonomie, créativité, curiosité et force de proposition 
- Esprit d’équipe et transversalité 

Compétences techniques 
- Très bonne maitrise de Python 
- Bonnes bases en Pytorch mais surtout dans la logique sous-jacente au développement de modèles de deep learning 
- Connaissance de Git et bonnes pratiques de développement 
- Des notions en APIs, packaging et conteneurisation appréciées. 

Outils techniques : 
Python, Git, IDE de développement (VS Code ou Pycharm), Jupyter Lab, Docker, Openshift, Azure 
Infrastructure technique : 
Serveurs de développement Lunix avec plusieurs GPUs Tesla V100 

Outils d’organisation: 
Teams, Jira (méthode agile)