Stage - Deep Learning Scientist (H/F)

Safran.AI (ex Preligens); Paris; Hybride; EUR 35 000 - 50 000; Plein temps

Avantages offerts par ce poste

Carte Swile de 11 € / jour

75 % des frais de transport pris en charge

Accès à Moka Care et Wellpass

Résumé du poste

Safran.AI (ex Preligens) recherche un stagiaire Deep Learning Scientist pour rejoindre l'équipe de détection IMINT. Vous participerez à des projets d'amélioration de détecteurs d'objets sur images satellites. Ce rôle inclut le développement de modèles de deep learning et l'industrialisation des solutions MLOps.

Le candidat idéal possède une formation en Software Engineering ou un domaine similaire, ainsi qu'une solide maîtrise de Python et un intérêt pour les techniques de Deep Learning.

Des avantages tels que des remboursements de transport et des cartes de bien‑être sont proposés.

Qualifications

• Formation en Software Engineering, apprentissage automatique ou vision par ordinateur.
• Bonne compréhension des techniques de Deep Learning appliquées à l'imagerie.
• Solide maîtrise de Python et bonnes pratiques de développement logiciel.

Responsabilités

• Développer et entraîner des modèles de deep learning pour le processus de production.
• Concevoir des plans expérimentaux techniques pour améliorer les détecteurs.
• Participer au développement d'outils MLOps pour la productivité de l'équipe.

Connaissances

Maîtrise de Python

Compréhension des techniques de Deep Learning

Bonnes pratiques de développement logiciel

Travail en équipe

Formation

Formation en Software Engineering, apprentissage automatique ou vision par ordinateur

Description du poste

Enjeux du poste

Vous rejoindrez l'équipe détecteur IMINT (IMagery INTelligence) qui travaille sur nos algorithmes de détection ou de classification d'objets sur des images satellites (optique, infra‑rouge, SAR, etc.). Le pôle compte une vingtaine de personnes, majoritairement Deep Learning Scientists, organisées en trois équipes de 5 à 7 personnes.

Missions

En tant que stagiaire Deep Learning Scientist, vous participerez à des projets visant le développement ou l'amélioration de détecteurs, par exemple pour l'identification d'aéronefs, de navires ou de véhicules sur imagerie satellite.

Vous utiliserez notre framework IA interne, contribuant à son amélioration, et vous développerez des solutions MLOps permettant d’industrialiser le cycle de vie des modèles. Vos responsabilités incluent :

• Développer et entraîner des modèles de deep learning en intervenant à toutes les étapes du processus, de la compréhension des besoins utilisateurs à la mise en production.
• Concevoir des plans expérimentaux techniques pour améliorer les détecteurs.
• Participer à la conception et au développement d’outils MLOps augmentant la productivité de l'équipe.

Profil recherché

Vous avez suivi une formation en Software Engineering, en apprentissage automatique, en vision par ordinateur ou dans un domaine similaire.

Vous disposez d’une bonne compréhension des techniques de Deep Learning appliquées à l'imagerie.

Vous possédez une solide maîtrise de Python et des bonnes pratiques de développement logiciel (automatisation, architecture, design, qualité, testing).

Vous faites preuve d’ouverture d’esprit, de communication et appréciez le travail en équipe.

Vous faites preuve de curiosité et avez l'envie d’apprendre techniquement (ex. data science) ainsi que au-delà (ex. méthodes de travail).

Avantages

• Carte Swile de 11 € / jour travaillé, prise en charge par SAFRAN AI à hauteur de 59,1 %.
• Jusqu’à 75 % des frais de transport pris en charge ou forfait mobilité durable.
• Avantages bien‑être : Moka Care, conférences et accès sport via Wellpass.

Égalité des chances – Accessibilité

Parce que nous sommes persuadés que chaque talent compte, nous valorisons et encourageons les candidatures de personnes en situation de handicap pour nos opportunités d'emploi.

Informations sur l'IA dans le recrutement

Nous pouvons utiliser des outils d'intelligence artificielle pour soutenir certaines étapes du processus de recrutement, comme l'analyse des candidatures ou la présentation des cas pratiques. Ces outils assistent nos équipes mais ne remplacent pas le jugement humain. Les décisions finales de recrutement sont prises par des personnes.