Stage - Amélioration par IA de la détection et localisation acoustique de coups de feu (H/F)

ACOEM; Lyon; On-site; EUR 10,000 - 12,000; Part time

Benefits offered by this job

Stage de 6 mois

Job summary

ACOEM au sein de la direction de l'Innovation propose un stage de 6 mois, débutant en février/mars 2027, pour améliorer les algorithmes de détection des coups de feu du produit ATD dans un contexte urbain.

Encadré par un binôme, vous travaillerez avec des données réelles et synthétiques, en Python et frameworks DL, visant robustesse et qualité logicielle.

Qualifications

• Master/ingénieur avec spécialisation en Traitement du Signal et ML.
• Maîtrise de Python et frameworks DL (TensorFlow/Keras), notions de traitement du signal.
• Curiosité scientifique, rigueur et autonomie en travail d'équipe.

Responsibilities

• Analyser les données terrain pour caractériser les facteurs environnementaux.
• Développer et optimiser les modèles ML/DL pour la détection et l'identification des coups de feu.
• Intégrer et valider sur données réelles et synthétiques.
• Produire un code clair en Python conforme aux normes et gestion de versions.
• Rédiger un rapport de fin d'études détaillant travaux et résultats.

Skills

Curiosité scientifique

Rigueur

Autonomie

Esprit d'équipe

Education

Master 2 ou école d'ingénieur – Traitement du signal / ML

Tools

Python

TensorFlow/Keras

Traitement du signal

Job description

Contexte

Au sein de Metravib DEFENCE, rejoignez la Direction de l'Innovation pour un stage de 6 mois à partir de février/mars 2027. Encadré(e) par un membre ou un binôme de l’équipe, vous aurez pour mission principale d'améliorer les performances des algorithmes de détection et d'identification de coups de feu intégrés au produit ATD (Automatic Threat Detection). Conçu pour la protection des personnes et des bâtiments en environnement urbain, le système ATD s'appuie sur des modèles de Machine Learning et de Deep Learning appliqués au traitement de données acoustiques .

L'un des enjeux majeurs réside dans la confrontation du système au terrain réel : les déploiements opérationnels mettent en évidence des spécificités environnementales (réverbération, échos, bruits ambiants complexes) qu'il convient de prendre en compte pour optimiser la précision du produit. Ce stage s'inscrit donc directement dans le développement et l'amélioration continue des solutions du produit. À ce titre, vous serez amené(e) à travailler en lien avec différents acteur

Missions

• Analyser les retours du terrain : Prendre en main les données récoltées lors des installations réelles et caractériser les facteurs environnementaux influençant les performances (échos, réverbération, bruits urbains).

• Développer et optimiser les algorithmes : Concevoir et affiner les modèles de Machine/Deep Learning pour renforcer les capacités de détection et d'identification des coups de feu dans des conditions difficiles.

• Intégrer et valider : Tester et valider les améliorations développées sur les jeux de données réels et synthétiques pour s'assurer de leur robustesse.

• Garantir la qualité logicielle : Produire du code (notamment Python) clair, parfaitement commenté et conforme aux normes de codage et de gestion de versions de l’équipe.

• Rédiger un rapport de fin d’études : Expliciter de façon claire et précise les travaux réalisés, les choix techniques retenus ainsi que les résultats obtenus.

Profil recherché

• Formation : Master 2 ou École d'ingénieur avec une spécialisation en Traitement du Signal (acoustique sera un plus), Machine Learning / Deep Learning ou Intelligence Artificielle.

• Compétences techniques : Maîtrise de Python et des frameworks de Deep Learning (Tensorflow/Keras) et base théorique en traitement du signal.

• Qualités : Curiosité scientifique, rigueur, autonomie et goût pour le travail en équipe.