Critères de l'offre
Métiers :
- Data Scientist spécialisé en Computer Vision (H/F)
Secteur :
- ESN, Editeurs de logiciel, Services informatiques
Lieux :
- Grenoble (38)
Conditions :
- CDI
- Indépendant / Franchisé
- Salaire non précisé
- Temps Plein
Description du poste
Dans le cadre de l'évolution d'une plateforme de Machine Vision dédiée à l'analyse d'images industrielles, nous recherchons un Data Scientist / Machine Learning Engineer spécialisé en Computer Vision.
La mission vise à moderniser l'architecture existante, améliorer les performances d'inférence, étendre la solution à de nouvelles typologies et dimensions d'images, et renforcer l'autonomie des utilisateurs métiers.
Vos principales responsabilités seront les suivantes :
Repenser et moderniser l'architecture d'inférence autour de PyTorch et d'une solution de model serving telle que TorchServe.
Faire évoluer les modèles de classification d'images et de détection d'objets, notamment à l'aide d'architectures YOLO.
Adapter la solution à de nouvelles typologies, résolutions et dimensions d'images.
Analyser et optimiser les performances d'inférence.
Identifier et traiter les goulots d'étranglement liés au CPU, au GPU et aux étapes de prétraitement.
Faire évoluer les mécanismes d'apprentissage afin d'en faciliter l'utilisation par les équipes métiers.
Industrialiser les composants Data Science en garantissant la qualité du code, les tests, le déploiement et la documentation.
Accompagner l'intégration des modèles de Machine Learning dans l'architecture applicative existante.
L'environnement technique comprend principalement Python, PyTorch, TorchServe, YOLO et des infrastructures GPU. Des technologies telles que PyTorch Lightning, Distributed Data Parallel, Docker, CVAT et LitServe peuvent également être utilisées.
La mission vise à moderniser l'architecture existante, améliorer les performances d'inférence, étendre la solution à de nouvelles typologies et dimensions d'images, et renforcer l'autonomie des utilisateurs métiers.
Vos principales responsabilités seront les suivantes :
Repenser et moderniser l'architecture d'inférence autour de PyTorch et d'une solution de model serving telle que TorchServe.
Faire évoluer les modèles de classification d'images et de détection d'objets, notamment à l'aide d'architectures YOLO.
Adapter la solution à de nouvelles typologies, résolutions et dimensions d'images.
Analyser et optimiser les performances d'inférence.
Identifier et traiter les goulots d'étranglement liés au CPU, au GPU et aux étapes de prétraitement.
Faire évoluer les mécanismes d'apprentissage afin d'en faciliter l'utilisation par les équipes métiers.
Industrialiser les composants Data Science en garantissant la qualité du code, les tests, le déploiement et la documentation.
Accompagner l'intégration des modèles de Machine Learning dans l'architecture applicative existante.
L'environnement technique comprend principalement Python, PyTorch, TorchServe, YOLO et des infrastructures GPU. Des technologies telles que PyTorch Lightning, Distributed Data Parallel, Docker, CVAT et LitServe peuvent également être utilisées.
Référence : 672591

