Stage Deep Learning & traitement d'images

Michelin; Clermont-Ferrand; Sur place; EUR 40 000 - 60 000; Plein temps

Résumé du poste

Une entreprise internationale de mobilité durable recherche un stagiaire en Deep Learning à Clermont-Ferrand pour développer des solutions d'intelligence artificielle. Vous prendrez en charge des missions variées allant de l'analyse des données à la préparation locale de modèles. Les candidats doivent avoir un niveau d’études Bac +5 en traitement d’images et IA, ainsi qu'une expertise en Python et PyTorch. Ce stage au sein d'un cadre innovant est l'opportunité d'intégrer un secteur dynamique et engagé.

Prestations

Culture d'entreprise engagée

Encadrement technique

Opportunités de développement de carrière

Qualifications

• Compréhension écrite de documents techniques et scientifiques en anglais.
• Autonomie, curiosité, et rigueur.
• Esprit d’analyse, communication claire et synthétique.
• Collaboration active dans un contexte pluridisciplinaire.

Responsabilités

• Analyse & préparation des données des capteurs profilomètre 3D.
• Phase d’entraînement locale avec déploiement d’un environnement DL.
• Exploration de HALCON Deep Learning pour classification et détection.
• Migration vers Azure Machine Learning pour d’entraînements GPU.
• Benchmark global & analyse entre PyTorch et HALCON.
• Documentation & restitution des travaux effectués.

Connaissances

Python avancé

PyTorch : entraînement de modèles

Fondamentaux de DL : réseaux, métriques (mAP, IoU)

Traitement d’image : filtres, ROI, normalisation, augmentation

Git/GitLab : versioning, issues

Organisation de code : architecture, modularité, documentation

HALCON Deep Learning (prise en main/enrichissement)

Azure ML & MLOps : YAML, MLflow, compute cloud

Formation

bac +5 en traitement d’images et IA

Description du poste

Stage Deep Learning & traitement d'images (F/H) - Clermont-Fd

Vous souhaitez rejoindre l’entreprise préférée des stagiaires et alternants pour une expérience inédite? Nous vous proposons la mission de stage suivante:

Développer des solutions d’intelligence artificielle robustes: exploration de data issues de profilomètres à l’aide du Deep Learning; cas d’application sur produits pneus.

Durée: 6 mois

Lieu: Centre R&D Michelin de Ladoux (proche Clermont-Ferrand)

Niveau d’études: bac +5 en traitement d’images et IA

Anglais: compréhension écrite de documents techniques et scientifiques

Compétences techniques (obligatoires > souhaitables)

• Python avancé
• PyTorch : entraînement de modèles
• Fondamentaux de DL : réseaux, métriques (mAP, IoU)
• Traitement d’image : filtres, ROI, normalisation, augmentation
• Git/GitLab : versioning, issues
• Organisation de code : architecture, modularité, documentation
• HALCON Deep Learning (prise en main/enrichissement)
• Azure ML & MLOps : YAML, MLflow, compute cloud

Profil souhaité

• Autonomie, curiosité, et rigueur
• Esprit d’analyse, communication claire et synthétique
• Collaboration active dans un contexte pluridisciplinaire

Environnement de travail

Encadrement technique transverse (référents IA, ingénieurs produit)

Missions principales

1. Analyse & préparation des données

Prise en main des données issues de capteurs profilomètre 3D : images 2D 8 bits, 3D 16 bits

Structuration, normalisation, filtrage, définition des ROI

Construction de pipelines de preprocessings (data augmentation)

Configuration de datasets adaptés à PyTorch et HALCON

2. Phase d’entraînement locale

Déploiement d’un environnement DL (Python/PyTorch)

Tests d’architectures open-source (YOLO, Faster R‑CNN, U‑Net…)

Évaluation via un benchmark local (temps, stabilité, métriques mAP, IoU)

Versioning du code dans GitLab (CI, branches, documentation)

3. Exploration de HALCON Deep Learning

Utilisation de HALCON pour classification, détection, segmentation

Comparaison entre HALCON et PyTorch sur 8 et 16 bits

4. Migration vers Azure Machine Learning

Utilisation: workspace, compute cluster, stockage

Adaptation des scripts à Azure ML (YAML, MLflow)

Lancement d’entraînements GPU et suivi automatisé

5. Benchmark global & analyse

Analyse comparative PyTorch vs HALCON (précision, inférence, robustesse)

Analyse local vs cloud (coût, vitesse, scalabilité)

6. Documentation & restitution

Rédaction d’une synthèse des travaux effectués

Présentation finale détaillée à l’équipe avec recommandations pour déploiement industriel

Livrables attendus

• Code source & projet : Dépôt GitLab structuré contenant: scripts PyTorch, HALCON, configurations Azure ML, notebooks et guides
• Pipelines opérationnels : entraînements locaux, cloud, HALCON
• Benchmark complet : comparatif modèles, recommandations stratégiques

Principaux défis

• Travailler sur des données 2D & 3D avec forte variabilité
• Exécuter un benchmark rigoureux et reproductible sur des environnements multiples
• Assurer portabilité des modèles vers des workflows industriels

Michelin entreprise engagée dans la mobilité durable et reconnue pour ses actions en faveur de l’expérience employé!

• Une note de 99/100 à l’index de l’égalité femmes-hommes
• Entreprise « Handi accueillante », avec un réseau de référents et ambassadeurs Handicap pour vous accompagner
• 83,5% de taux d’engagement de nos employés
• 94,6% des stagiaires et alternants nous recommandent, label "Happy Trainees" depuis 9 années consécutives
• Classé parmi les groupes du CAC 40 les plus engagés selon les Bac+5 à l’index RSE Universum 2023
• Parmi les 100 entreprises les plus attractives pour les étudiants et actifs BAC+2/3 au classement Universum 2023
• N°1 des entreprises de plus de 500 stagiaires et alternants qui rémunèrent le mieux au Classement HappyTrainees® Rémunération 2023
• Dans le Top 10 des meilleurs employeurs en France au classement Glassdoor 2023
• Dans le top 3 des entreprises du secteur « Automobile / Equipementier » en matière d’attractivité employeur à l’édition 2024 du Palmarès @EPOKA @GROUPE IFOP @Occurrence

Pour en savoir plus sur le Groupe : https://recrutement.michelin.fr