Pellenc ST conçoit et fabrique des machines de tri intelligent, destinées à l'industrie du recyclage. Engagés dans un monde en pleine évolution, nos ambitions se tournent aujourd'hui vers les nouvelles technologies telles que l'intelligence artificielle ou encore l'industrie 4.0 et les machines connectées.
Fort de plus de 2500 machines à travers le monde, nous oeuvrons et contribuons chaque jour, à la valorisation de nos déchets ainsi qu'à un environnement plus sain et durable pour demain. C'est dans ce contexte d'évolution et de passion que nous recherchons de nouveaux talents qui partagent nos ambitions, et qui souhaitent soutenir avec nous l'économie circulaire. L'intelligence artificielle est intégrée de façon croissante dans nos machines, pour répondre aux nouvelles exigences de tri. Afin d'accompagner ce déploiement industriel, une équipe projet dédiée développe activement l'ensemble des outils de DataOps/MLOps (« Data / Machine Learning Operations ») permettant de faciliter le développement, l'évaluation et le maintien en condition opérationnelle des réseaux exploités sur nos machines.
Au sein de cette équipe, et en collaboration étroite avec les ingénieurs IA, les experts applicatifs et les chefs de projet, le/la stagiaire aura pour mission de structurer et piloter des études Data Science visant à améliorer la performance, la robustesse et la portabilité de nos modèles d'IA dans un contexte industriel exigeant.
En détails, les principales tâches de ce stage sont les suivantes :
Recueillir les besoins auprès des parties prenantes (experts applicatifs, responsables projets, ingénieurs IA) afin de comprendre les problématiques de tri et les attentes liées aux modèles de prédiction.
Construire les plans d'expérience adaptés à ces besoins (définition des variables, métriques et protocoles de test).
Exécuter les plans d'expérience sur notre infrastructure de calcul et notre plateforme MLOps.
Analyser et évaluer les résultats de manière critique, en identifiant les leviers d'amélioration et en synthétisant les conclusions pour les présenter aux équipes concernées.
Participer à l'optimisation des modèles de prédiction (sélection d'architectures, ajustement des hyperparamètres, stratégies d'augmentation de données).
Contribuer à la documentation des expérimentations et à la capitalisation des bonnes pratiques Data Science au sein de l'équipe IA.
Participer au déploiement et à l'évaluation / qualification sur site de nouvelles solutions de tri à base d'IA
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.