Alternant ingénieur en intelligence artificielle h/f

Depuis sa fondation, le Collège de Paris s'est donné pour mission de promouvoir l'excellence française grâce à la formation. Pour ce faire, nous regroupons des établissements d'enseignement supérieur reconnus, dont le plus ancien a été créé en 1949, qui partagent trois valeurs : l'ouverture internationale, l'excellence pédagogique, l'accompagnement individualisé des étudiants. L'école Digital College recherche un(e) alternant(e) pour un poste d' Ingénieur en intelligence artificielle au sein d'une entreprise partenaire du secteur culturel .

Vos missions:

Missions - Ingénieur en intelligence artificielle

1. Conception et développement de modèles d'IA

Concevoir, développer et entraîner des modèles de machine learning et de deep learning (classification, régression, détection d'anomalies, NLP, vision par ordinateur).

Sélectionner les algorithmes adaptés selon les cas d'usage (SVM, réseaux de neurones, arbres de décision, transformers).

Définir les jeux de données d'entraînement, les métriques d'évaluation et les méthodes de validation croisée.

2. Collecte, nettoyage et structuration des données

Collaborer avec les équipes data pour collecter des données pertinentes (structurées ou non).

Nettoyer, traiter et enrichir les données pour les rendre exploitables par les modèles IA.

Assurer la qualité, la cohérence et la représentativité des datasets.

3. Mise en production des modèles

Intégrer les modèles IA dans des environnements de production (API, microservices, applications web ou mobiles).

Optimiser les performances (temps de calcul, mémoire, latence).

Collaborer avec les équipes DevOps / MLOps pour déployer, monitorer et maintenir les modèles dans le temps.

4. Veille technologique et innovation

Suivre les avancées en IA / ML / deep learning, notamment dans les publications scientifiques et conférences (NeurIPS, CVPR, ICML, etc.).

Expérimenter de nouvelles approches, architectures ou frameworks (ex : modèles génératifs, transformers, RLHF).

Proposer des innovations algorithmiques ou technologiques applicables aux produits de l'entreprise.

5. Collaboration interdisciplinaire

Travailler étroitement avec :

les équipes produit pour comprendre les besoins métiers,

les data scientists / data engineers pour l'industrialisation des modèles,

les développeurs pour l'intégration fonctionnelle.

Présenter les résultats, démonstrateurs ou prototypes aux parties prenantes techniques ou non-techniques.

6. Évaluation et amélioration continue

Évaluer la robustesse, la précision et la généralisation des modèles.

Détecter les biais potentiels ou problèmes éthiques liés aux données et aux algorithmes.

Réentraîner ou ajuster les modèles en fonction des retours d'usage et de la dérive des données (concept drift).