Ingénieur développeur ia - mlops - dataops h/f

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 and 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 avec le support de nos ingénieurs IA et nos experts applicatifs, l'enjeu du stage est d'intégrer des modèles concurrents aux modèles actuels dans les outils de DataOps / MLOPS et d'en quantifier les performances en simulation puis de façon concrète sur nos machines.
En détails, les principales tâches de ce stage sont les suivantes :
Prendre en main les principales fonctionnalités de nos plateformes de DataOps / MLOPS et les chainages existants entre les outils R&D et les plateformes de DataOps / MLOPS ;
Intégrer de nouveaux modèles issus de la R&D dans la plateforme et s'assurer du bon fonctionnement de la chaine de preprocessing, entraînement, production des métriques, jusqu'au déploiement ;
Implémenter des outils de DataOps / MLOPS assurant le meilleur compromis entre actions manuelles / automatisation tout en maximisant la performance des modèles ;
Participer activement à la documentation et à l'amélioration continue des outils de DataOps / MLOPS permettant de faciliter ces développements « applicatifs » par des utilisateurs non aguerris ;
Participer au déploiement et à l'évaluation / qualification sur site de nouvelles solutions de tri à base d'IA.