Contexte
Notre solution logicielle, basée sur Python et fonctionnant sous Linux Ubuntu, doit être optimisée pour fonctionner efficacement sur du matériel modeste :
- CPU : Intel Core i3-7100U @ 2.40GHz (2 c?urs / 4 threads)
- RAM : 4GB DDR4
- GPU intégré : Intel HD Graphics 620
- Stack technique : Python, Docker, OpenCV, Deep Learning (modèles optimisés), traitement d'images/vidéos
Objectifs Principaux :
- Réduire l?utilisation mémoire sous 1.5GB
- Limiter l?utilisation CPU à 150% max (sur tous les c?urs)
- Maintenir une charge système moyenne < 2
- Optimiser l?utilisation du GPU intégré si possible
Missions et Responsabilités
1. Profilage et Analyse
- Identifier les goulots d?étranglement (CPU, RAM, E/S)
- Détecter les fuites mémoire et optimiser l?allocation
- Analyser les pipelines de traitement d?images/vidéos (OpenCV, multiprocessing, async)
2. Optimisation du Code Python
- Réduire la surcharge des dépendances Python
- Proposer des alternatives légères (ex: remplacer Pandas par Polars, optimiser NumPy)
- Implémenter des solutions performantes (Cython, Numba, extensions C/Rust)
3. Optimisation Multithread/Asynchrone
- Améliorer l?utilisation des c?urs CPU (multiprocessing, threading, asyncio)
- Éviter les conflits de GIL (Global Interpreter Lock)
4. Optimisation GPU
- Exploiter le GPU Intel intégré via OpenCL, VA-API ou librairies optimisées
- Évaluer l?offloading de calculs légers vers le GPU
5. Docker & Environnement d?Exécution
- Optimiser l?image Docker (Alpine Linux, minimisation des layers)
- Configurer finement les limites CPU/RAM dans Docker
6. Bonnes Pratiques & Monitoring
- Mettre en place des outils de monitoring (Prometheus, Grafana, )
- Documenter les bonnes pratiques pour maintenir les contraintes matérielles
Compétences Requises
? Maîtrise avancée de Python (profilage avec,, )
? Expérience en optimisation CPU/RAM sur systèmes embarqués
? Connaissance d?OpenCV, NumPy, et pipelines de traitement d?images
? Expérience avec Cython, Numba ou extensions C/Rust pour Python
? Connaissance des architectures asynchrones (asyncio, multiprocessing)
? Familiarité avec Docker et l?orchestration de ressources
? Bonus : Expérience avec les GPU intégrés Intel (OpenCL, oneAPI)
Type de Collaboration
Mission freelance
Télétravail accepté
TJM : 550
Dispo : ASAP
Durée : 4 jours + 10 jours
Profil candidat:
Contexte
Notre solution logicielle, basée sur Python et fonctionnant sous Linux Ubuntu, doit être optimisée pour fonctionner efficacement sur du matériel modeste :
- CPU : Intel Core i3-7100U @ 2.40GHz (2 c?urs / 4 threads)
- RAM : 4GB DDR4
- GPU intégré : Intel HD Graphics 620
- Stack technique : Python, Docker, OpenCV, Deep Learning (modèles optimisés), traitement d'images/vidéos
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.