Au sein de l'équipe technique et sous la responsabilité du Directeur Technique, vous interviendrez, accompagné(e) par l'équipe, sur l'ensemble de la chaîne data et IA de la plateforme :
- - Concevoir, entraîner et évaluer des modèles de deep learning appliqués à l'imagerie satellite : détection de couverture des sols, reconstruction de séries temporelles (gap-filling de LAI à partir de données radar Sentinel-1)
- Développer des pipelines d'extraction de données à partir de documents (PDF, documents bruts) combinant LLM et OCR, et assurer le matching des données extraites avec les référentiels en base de données
- Participer à l'industrialisation des modèles : développement d'API, intégration backend, déploiement sur le cloud (AWS, Azure), orchestration d'appels à des services tiers
- Contribuer à la qualité, la structuration et la préparation des données (data engineering)
- Participer à la démarche R&D de l'entreprise : veille scientifique, expérimentation de nouvelles approches, amélioration continue des modèles, en lien avec des partenaires académiques
Environnement technique : Python, Py
- Torch, LLM (dont modèles open weight), AWS, Azure, Docker, PostgreSQL, Git/GitLab.
Lire toute la description ⌄Réduire ⌃
Au sein de l'équipe technique et sous la responsabilité du Directeur Technique, vous interviendrez, accompagné(e) par l'équipe, sur l'ensemble de la chaîne data et IA de la plateforme :
- - Concevoir, entraîner et évaluer des modèles de deep learning appliqués à l'imagerie satellite : détection de couverture des sols, reconstruction de séries temporelles (gap-filling de LAI à partir de données radar Sentinel-1)
- Développer des pipelines d'extraction de données à partir de documents (PDF, documents bruts) combinant LLM et OCR, et assurer le matching des données extraites avec les référentiels en base de données
- Participer à l'industrialisation des modèles : développement d'API, intégration backend, déploiement sur le cloud (AWS, Azure), orchestration d'appels à des services tiers
- Contribuer à la qualité, la structuration et la préparation des données (data engineering)
- Participer à la démarche R&D de l'entreprise : veille scientifique, expérimentation de nouvelles approches, amélioration continue des modèles, en lien avec des partenaires académiques
Environnement technique : Python, Py
- Torch, LLM (dont modèles open weight), AWS, Azure, Docker, PostgreSQL, Git/GitLab.
Le profil
Souhaité : Adaptation des IA aux besoins spécifiques
Souhaité : Evaluation de modèles d'IA
Souhaité : Gestion de projets IA
Souhaité : Intégration de systèmes d'intelligence artificielle
Souhaité : Programmation en Python
Souhaité : Développer des modèles prédictifs pour l'analyse de données
Souhaité : Documenter les processus et les architectures d'IA
Souhaité : Optimiser les performances des systèmes d'IA
Souhaité : Assurer la maintenance et l'actualisation des systèmes d'IA
Souhaité : Exploiter des solutions de Data Science ou d'Intelligence Artificielle
Souhaité : Faciliter l'intégration de solutions d'intelligence artificielle dans les projets existants
Conteneurisation (Docker)
Pratique des services cloud (AWS et/ou Azure)
Données agricoles ou satellitaires (Agtech)