namR utilise des méthodes état de l’art de machine learning et de deep learning pour construire le Digital Twin, une base de données géospatiales contenant des informations sur les bâtiments, territoires, villes, et plus encore.

Notre équipe Computer Vision construit des pipelines basées sur des algorithmes de deep learning dont le but est d’extraire des informations pertinentes de données d’imagerie urbaine, aérienne et satellitaire.

L’équipe a développé et maintient de multiples algorithmes de classification et segmentation, suivant leur performance via un module d’analyse d’erreurs. Nous voulons à la fois ré-entraîner une partie de ces modèles en y ajoutant des méthodes état de l’art d’échantillonnage et d’augmentation de données. Une fois les algorithmes ré-entraînés nous avons pour but de re-factoriser l’outil d’analyse et tester de nouvelles features sur ces modèles.

Les missions de ce stage sont donc:

• Implémenter de nouvelles features dans nos pipelines d’entraînement ;

• Ré-entraîner des modèles existants en utilisant la pipeline de namR et les nouvelles features ;

• Refactoriser le module d’analyse d’erreurs en coordination avec le reste de l’équipe ;

• Améliorer le module d’analyse d’erreurs en apportant des suggestions de features;

• Documenter et communiquer les résultats.

Tu es en Master 2 en mathématiques, statistiques, data science, informatique ou dernière année d’école d’ingénieur avec :

• Bonne connaissance du deep learning et des méthodes classiques de traitement d’image ;

• Capacité à développer en Python en utilisant les frameworks état de l’art (pyTorch, Tensorflow, sklearn, …) ;

• Bonnes compétences et pratiques de développement, vous savez utiliser les système de contrôles de version comme Git ;

• capacité à requêter une base SQL.

1. Entretien visio avec le Lead Computer Vision

2. Test technique