En tant que stagiaire machine learning, votre objectif sera de développer un algorithme d’apprentissage en ligne d’un modèle stochastique qui prenne en compte les contraintes métier et de l’environnement industriel.

Ce travail s’effectue dans la continuité des travaux de recherche interne sur le développement d’un modèle de détection d’anomalie non-supervisé. Vous serez amené à travailler sous la supervision d’une équipe de recherche académique et du CTO de l’entreprise, et amené à collaborer avec l’ensemble de l’équipe (produit, opérations, commerciale).

A terme, votre travail sera intégré dans le logiciel de Visionairy et sera utilisé en production. Le stage peut donner lieu a un brevet et la poursuite en thèse CIFRE ou poste d’ingénieur machine learning.

Stack: Python, Pytorch, MLFlow, Azure

Missions

• Re-factorer le code de l’apprentissage du modèle de batch (KMLE) à online en utilisant l’approximation stochastique de EM (online SAEM), afin de faciliter l’intégration par des équipes de développement

• Caractériser la nature du drift des données de production sur des datasets propriétaires (nature, temporalité, normalité) et dériver des motifs récurrents

• Développer un algorithme de mise à jour en ligne du modèle en se basant sur la méthode d’apprentissage en ligne évoquée précédemment, en se basant sur des règles comme le déclenchement, le choix des hparams, la pondération du batch dans l’ensemble de test / entrainement.

• Participer au challenge VAND 2.0 CVPR (si papier accepté)

Nous recherchons une personne avec un bon background mathématiques, statistiques et probabilités, et motivé.e développer un algorithme et des modèles avec de vrais impacts métiers.

• Master 2 Mathématiques ou équivalent

• Bonne pratique Python, Pytorch

• Intéressé par le secteur et rejoindre une startup

• Théorie de l’estimation, Deep Learning

• A l’aise avec la littérature scientifique et l’implémentation de papiers

1. Intro (15 min)

2. Entretien parcours

3. Entretien technique (1h)

4. Fit fondateurs