Stage Ingénieur·e ML : Évaluation des performances et validation des modèles

Donecle; Toulouse; On-site; EUR 7,800 - 12,000; Part time

Job summary

Donecle recherche un stagiaire en informatique/IA pour comprendre les dimensions de performance des modèles ML et mettre en place un système robuste d’évaluation et de suivi, avant et après déploiement.

Le candidat sera en dernière année d’école d’ingénieur ou master, avec de solides bases en ML/IA, Python et bonnes pratiques de développement, et une aptitude à vulgariser des résultats techniques.

Qualifications

• Bonnes bases en analyse de données et ML/IA.
• Connaissance en vision par ordinateur appréciée.
• Capacité à communiquer des résultats techniques.

Responsibilities

• Analyser et formaliser les besoins techniques et métier.
• Réaliser un état de l'art des outils/méthodes existants.
• Implémenter des solutions de suivi, évaluation et test des performances ML.
• Communiquer les métriques aux parties prenantes.

Skills

Analyse de données

Machine Learning

Deep Learning

Data visualization

Education

Ingénieur ou Master en informatique/IA

Tools

Git

CI/CD

Tests unitaires

Job description

L'objectif du stage est de comprendre les différentes dimensions de la performance de nos modèles ML et de mettre en place un système robuste, automatisé et reproductible d'évaluation, d'analyse et de suivi de ces performances, avant et après déploiement.

Vous interviendrez sur :

1. L'analyse et la formalisation des besoins techniques et métier.

2. La réalisation d'un état de l'art : étude et analyse des outils et méthodes existants, proposition de solutions applicables et adaptées au contexte.

3. L'implémentation de solutions fonctionnelles et claires pour le suivi, l'évaluation, l'analyse et les tests des performances des modèles ML.

4. La communication des métriques aux différentes parties prenantes.

Étudiant·e en dernière année d’école d’ingénieur ou master en informatique / IA.

Solides bases en analyse de données, Machine Learning, Deep Learning (vision par ordinateur appréciée) et data visualization.

Très bonne maîtrise de Python, des bonnes pratiques de développement (Git, CI/CD, tests unitaires) et de l'analyse statistique.

Très bonne communication, à l'écrit comme à l'oral, et capacité à vulgariser des résultats techniques auprès d'interlocuteurs non techniques.

Autonomie, curiosité, rigueur, goût pour l’industrialisation et la reproductibilité.