STAGE - Apprentissage multitâche pour lunettes auditives H/F

EssilorLuxottica; Valbonne; On-site; EUR 8,900 - 13,000; Full time

Job summary

EssilorLuxottica recherche un stagiaire en apprentissage multitâche appliqué à l’audio pour lunettes auditives, basé à Sophia Antipolis. Vous travaillerez sur un débruiteur neuronal en temps réel, ajouterez une tête de classification légère et évaluerez son impact sur la performance et la consommation.

Ce stage BAC+5, orienté ML et DSP, exige une maîtrise de PyTorch, Python sous Linux et un niveau d’anglais C1. Rejoignez une équipe R&D internationale.

Qualifications

• Étudiant en BAC+5 spécialisation en machine learning, traitement du signal, informatique ou mathématiques appliquées.
• Maîtrise du traitement du signal audio et des bases de ML/DL.
• Compétences en PyTorch et Python sous Linux.
• Anglais niveau C1 requis.

Responsibilities

• Mesurer ce que le débruiteur sait de la scène avec des classifieurs linéaires.
• Entraîner une tête de classification légère sur le modèle de débruitage.
• Évaluer l'effet sur la qualité du débruitage et l'équilibre des objectifs.
• Estimer le coût embarqué (paramètres, opérations par trame) et la faisabilité.
• Rédiger et présenter les résultats (FR/EN) dans un cadre académique/professionnel.

Skills

Machine learning

Deep learning

PyTorch

Python

Linux

Signal processing

Audio classification

Embedded systems

Education

BAC+5 spécialisation ML

Tools

PyTorch

Python

Linux

Job description

STAGE - Apprentissage multitâche pour lunettes auditives H/F

Lieu: Valbonne, FR

Si vous avez déjà porté des lunettes, nous nous sommes déjà rencontrés.

Nous sommes un leader mondial dans la conception, la fabrication et la distribution de verres ophtalmiques, de montures et de lunettes de soleil. Nous offrons à nos partenaires de l’industrie dans plus de 150 pays l’accès à une plateforme mondiale de produits de soins de la vue de haute qualité (tels que la marque Essilor, avec Varilux, Crizal, Eyezen, Stellest et Transitions), des marques emblématiques que les consommateurs adorent (telles que Ray-Ban, Oakley, Persol, Oliver Peoples, Vogue Eyewear et Costa), ainsi qu’un réseau qui offre aux consommateurs des soins de la vue de haute qualité et des expériences d’achat de premier ordre (tels que Sunglass Hut, LensCrafters, Salmoiraghi & Viganò et le réseau GrandVision), et des plateformes de e-commerce de premier plan.

Rejoignez notre communauté mondiale de plus de 190 000 employés dévoués à travers le monde pour conduire la transformation de l’industrie des lunettes et des soins de la vue. Découvrez-en plus en nous suivant sur LinkedIn !

Votre #FutureInSight avec EssilorLuxottica

Êtes-vous prêt à explorer de nouveaux horizons, à favoriser l’inclusivité et la collaboration, l’agilité, à éveiller la passion et à avoir un impact positif sur le monde ?

Rejoignez-nous pour redéfinir les limites de ce qui est possible !

Votre rôle :

L'équipe Nuance AI Audio, au sein de la R&D d'EssilorLuxottica à Sophia Antipolis, conçoit le débruiteur neuronal de lunettes auditives : un réseau de neurones qui tourne en temps réel sur un microcontrôleur embarqué, trame par trame, avec quelques millisecondes de latence, et un budget mémoire et énergétique très réduits.

Le sujet du stage est l'apprentissage multitâche pour aides auditives : faire accomplir plusieurs tâches à un seul réseau, sous un budget de calcul et d'énergie fixé, plutôt que d'empiler des modèles spécialisés. L'application retenue est l'ajout de la classification de scènes acoustiques (présence de parole, type de bruit de fond, réverbération, musique) à notre modèle de débruitage. L'hypothèse de travail, étayée par la littérature récente, est que le débruiteur encode déjà une large part de cette information dans ses représentations internes, et qu'une tête de classification de quelques milliers de paramètres suffit à la lire.

Le stage suit un plan en trois temps. D'abord mesurer ce que le débruiteur sait de la scène : sondes linéaires sur le modèle figé, comparées aux mêmes sondes sur le signal d'entrée et à un petit classifieur dédié de coût égal, avec des étiquettes de scène dérivées du processus de génération des données d'entraînement. Ensuite entraîner la tête de classification, seule puis conjointement avec le débruitage, en mesurant l'effet sur la qualité du débruitage et l'équilibre entre les deux objectifs. Enfin évaluer dans les conditions d'usage : changements de scène, stabilité des décisions, enregistrements réels sur lunettes, et coût sur la cible embarquée.

Le/la stagiaire pourra s'appuyer sur les modèles, les données et les outils d'évaluation de l'équipe et se déroule en parallèle du développement ; ses résultats serviront à décider si et comment intégrer la classification de scènes.

• Faire l'état de l'art de la classification de scènes acoustiques à faible complexité, de l'apprentissage multitâche et du transfert de représentations en audio, et de leur usage dans les aides auditives ; proposer avec l'équipe audio une taxonomie de scènes adaptée.
• Construire les données d'entraînement et de test : dériver les étiquettes de scène du processus de génération des mélanges parole-bruit, et constituer un jeu de test d'enregistrements réels sur lunettes annotés à la main.
• Mesurer ce que le modèle de débruitage sait déjà de la scène : sonder ses représentations internes avec des classifieurs linéaires et comparer aux mêmes sondes sur le signal d'entrée et à un petit classifieur dédié de coût équivalent.
• Concevoir et entraîner une tête de classification légère greffée sur le modèle de débruitage, d'abord seule puis conjointement avec le débruitage, et quantifier l'effet sur la qualité du débruitage.
• Évaluer la détection des changements de scène, la stabilité des décisions dans le temps et la robustesse aux conditions réelles : niveau d'entrée, traitements audio en amont, enregistrements sur lunettes.
• Estimer le coût embarqué de la tête de classification (paramètres, opérations par trame, cycles sur la cible) et sa faisabilité.
• En formation BAC +5 avec une spécialisation en machine learning, traitement du signal, informatique ou mathématiques appliquées
• Votre formation vous a permis d'acquérir des compétences en traitement du signal audio, en machine learning et en deep learning avec PyTorch, ainsi qu'en développement logiciel en Python sous Linux.
• Des notions en classification audio ou en modèles embarqués à faible complexité sont un plus.
• Vous avez le goût de la recherche, de l'expérimentation rigoureuse : protocole d'évaluation, reproductibilité, lecture critique des résultats.
• Vous êtes une personne curieuse et autonome, capable de rédiger et de présenter vos résultats.
• Vous lisez et parlez l'anglais (équipe internationale, littérature scientifique en anglais) – Niveau C1 requis

Ce que nous vous offrons :

Chez EssilorLuxottica, vous n’êtes pas défini uniquement par votre titre de poste. Chaque aventure professionnelle est unique, mais voici un aperçu des avantages et des bénéfices que vous pouvez obtenir en nous choisissant.

Rejoindre EssilorLuxottica, c'est plonger au cœur d'un environnement international dynamique et stimulant. Vous aurez l'opportunité de collaborer avec des équipes diversifiées provenant de nombreux pays, enrichissant ainsi votre perspective culturelle et professionnelle.

L'innovation est au cœur de notre ADN. Vous serez impliqué dans des projets novateurs qui façonnent l'avenir de l'optique et de la lunetterie. Vous aurez l'occasion de contribuer activement à des initiatives qui ont un impact réel sur le marché et sur la vie des consommateurs.

La Diversité, l’Equité et l’Inclusion font partie des valeurs fondamentales de notre Groupe. Depuis de longues années, nous nous attachons à créer un environnement de travail où chaque personne se sent soutenue, valorisée et respectée, quel que soit son profil.

Rejoignez-nous, vos talents uniques feront la différence !