STAGE - Mise en œuvre d'un environnement MLops - F/H

Thales Avionics, Inc. (AGS); Élancourt; Vor Ort; EUR 12.000 - 19.000; Vollzeit

Benefits dieser Stelle

Stage conventionné

Gratification de stage

Handi-Engagée

Zusammenfassung

Thales Avionics, Inc. (AGS) propose un stage de 6 mois au sein du Centre Data & IA, à Élancourt.

Vous travaillerez dans un environnement de missiles et systèmes embarqués, avec des objectifs d’industrialisation et de déploiement de modèles d’IA sous contraintes matérielles et énergétiques. Le poste requiert un niveau BAC+5 en informatique, des notions de computer vision et de transfert learning, et une sensibilité à l’analyse, l’autonomie et la curiosité scientifique.

Qualifikationen

• BAC+5 en informatique et stage de 6 mois souhaité.
• Première expérience en Deep Learning ou traitement de données souhaitée.
• Bases en computer vision, apprentissage automatique et programmation Python.
• Expérience des frameworks IA (scikit-learn, PyTorch, TensorFlow).
• Intérêt pour les problématiques sur le transfert learning.
• Capacités d'analyse et d'autonomie, curiosité scientifique.

Aufgaben

• Concevoir et tester une pipeline d'entraînement incrémental reproductible.
• Évaluer des protocoles de performance globale et par classe et proposer des recommandations.
• Contribuer à la mise à jour d'un modèle embarqué et à la réduction de la dérive entre les versions.

Kenntnisse

Python

Deep Learning

Computer Vision

Machine Learning

Ausbildung

BAC+5 en informatique

Tools

PyTorch

TensorFlow

scikit-learn

Jobbeschreibung

Lieu : Elancourt, France

Construisons ensemble un avenir de confiance

Thales est un leader mondial des hautes technologies spécialisé dans trois secteurs d'activité : Défense & Sécurité, Aéronautique & Spatial, et Cyber & Digital. Il développe des produits et solutions qui contribuent à un monde plus sûr, plus respectueux de l'environnement et plus inclusif. Le Groupe investit près de 4,5 milliards d'euros par an en Recherche & Développement, notamment dans des domaines clés de l'innovation tels que l'IA, la cybersécurité, le quantique, les technologies du cloud et la 6G. Thales compte près de 85 000 collaborateurs dans 65 pays.

Nos engagements, vos avantages
Notre savoir-faire technologique

Notre attention portée à l'équilibre des collaborateurs

Un environnement inclusif et bienveillant

Un engagement sociétal et environnemental reconnu (Thales Solidarity, indice CAC 40 ESG…)

Votre quotidien
Au coeur de Saint Quentin en Yvelines, le site d'Elancourt est un des centres d'excellence technologique Thales les plus importants. La diversité et la technicité des systèmes et équipements mobilisent des savoir-faire dans plus de 80 métiers dans les solutions de défense, de sécurité de haute technologie et de services numériques.

En nous rejoignant, vous serez intégré au Centre de compétences Electronique de Missiles (environ 100 personnes), qui conçoit, développe et valide des équipements pour les générations de missiles en cours de développement et futures au sein de la BL Optronique et Missiles Electroniques (OME).

Dans ce cadre, vous serez rattaché au responsable de l'activité Data & IA qui est en charge du développement des solutions d'IA et de leur validation au sein du Secteur Electronique de Missiles et en charge du déploiement des algorithmes de Deep Learning sur des cartes matérielles embarquées à bord de nos systèmes.

Au sein de l'équipe Data & IA, vous jouerez un rôle clé dans l'industrialisation, le déploiement, la maintenance et la supervision de modèles d'IA de détection et de reconnaissance au sein de systèmes embarqués soumis à de fortes contraintes en ressources (calcul, énergie, mémoire) et en accès aux données. Vous prendrez en compte dès la conception les approches de frugalité des données et d'optimisation du cycle de vie des modèles.

Dans le cadre de la mise à jour des algorithmes de reconnaissance embarqués, l'équipe souhaite traiter le besoin de mettre à jour un modèle sans procéder à un réentraînement complet du réseau, coûteux en temps et en ressources.

L'objectif du stage est d'étudier des approches d'incremental learning permettant d'améliorer progressivement la performance au fil du temps, en limitant la dérive et l'oubli des classes déjà apprises.

En nous rejoignant, vous vous verrez confier les missions suivantes :

• Tester une progression expérimentale en trois étapes :
  1) le fine-tuning des dernières couches d'un modèle pré-entraîné pour intégrer des données récentes
  2) l'ajout d'une nouvelle classe au classifieur
  3) le remplacement d'une classe par une autre, en simulant une mise à jour de l'ontologie.
• L'objectif est de concevoir une pipeline d'entraînement incrémental reproductible, de définir des protocoles d'évaluation adaptés (performances globales et par classe, stabilité, robustesse), et de comparer plusieurs stratégies de mise à jour.
• Vous analyserez les compromis entre plasticité (apprentissage du nouveau) et stabilité (maintien des performances initiales) afin de proposer des recommandations concrètes pour un usage embarqué.

Votre profil

• Vous préparez un BAC+5 en informatique et vous recherchez un stage pour une durée de 6 mois ?
• Vous avez idéalement une première expérience en Deep Learning ou traitement de données ?
• Vous avez des solides bases en computer vision, apprentissage automatique et programmation Python ?
• Vous avez une expérience des frameworks IA (scikit-learn, PyTorch, TensorFlow, etc.) ?
• Vous avez un intérêt pour les problématiques sur le transfert learning ?
• Vous avez des capacités d'analyse et de synthèse, autonomie et curiosité scientifique.
• Vous avez des connaissances en traitement du signal - notion du traitement radar/imagerie SAR ?
• Vous faites preuve de curiosité et de motivation ?
• Vous avez de bonnes capacités à intégrer une équipe ?

Alors ce poste est fait pour vous !

Tous nos stages sont conventionnés et soumis à une gratification dont le montant est déterminé selon votre niveau d'études.

Thales, entreprise Handi-Engagée, reconnait tous les talents. La diversité est notre meilleur atout.