Find your next tech and IT Job or contract Deep learning

Notre client, acteur technologique innovant évoluant dans un environnement à forte composante R&D, recherche son futur Ingénieur Deep Learning & Computer Vision (H/F) dans le cadre du renforcement de ses équipes d'intelligence artificielle et de traitement de données avancées. Vous contribuerez à la conception et à l'industrialisation de solutions d'IA destinées à l'analyse de données complexes issues de systèmes de perception et de capteurs avancés. Vos missions : Intégré(e) à une équipe pluridisciplinaire, vous serez amené(e) à : Concevoir et entraîner des modèles de Deep Learning dédiés à la détection, la classification et l'analyse de données complexes. Développer des pipelines Python complets : préparation, enrichissement, entraînement, validation et évaluation des modèles. Construire et qualifier des jeux de données en garantissant leur qualité, leur traçabilité et leur robustesse. Optimiser les performances des modèles grâce au tuning des hyperparamètres et à l'analyse des résultats obtenus. Participer à l'industrialisation des solutions d'IA dans des environnements à fortes contraintes techniques. Assurer le déploiement et l'optimisation de modèles sur des plateformes embarquées. Collaborer avec les équipes techniques afin d'identifier et mettre en œuvre les meilleures approches d'intelligence artificielle. Contribuer à la veille technologique et à l'amélioration continue des solutions développées. Les compétences techniques Python PyTorch ou TensorFlow Computer Vision / OpenCV Deep Learning Classification, segmentation et détection d'objets Gestion de datasets et data augmentation Évaluation et optimisation de modèles IA Traitement d'images et de données multi-capteurs

Contexte L'équipe travaille sur des algorithmes de détection d'objets d'intérêt militaire sur des images satellites. Le pôle est composé d'une vingtaine de personnes dont une majorité de Deep Learning Scientists. Pour faire face à une augmentation de la charge, nous avons besoin de renforcer rapidement l'équipe en particulier pour travailler sur le développement d'un Retraining Kit. • L'objectif est de permettre à nos clients de réentraîner certains de nos détecteurs sur leurs propres données et cas d'usage. • Ce kit s'appuiera sur plusieurs modules internes, notamment pour préparer les données, lancer et suivre les entraînements, évaluer les performances et packager le détecteur réentraîné. Nous cherchons à renforcer l'équipe avec un profil ML Engineering capable de contribuer à la mise en production de ce kit. • La personne fera partie intégrante de l'équipe et s'intègrera dans une squad de 3 personnes. • La mission sera d'une durée minimale de 6 mois. • La personne devra venir sur le site à Paris au minimum 2 jours par semaine. Mission Les missions principales sont : • Développer le Retraining Kit en s'appuyant sur les modules internes . • Valider et fiabiliser le kit pour un déploiement client via des tests de bout en bout, l'amélioration des workflows, de la qualité logicielle et de la documentation. Conditions de la mission : Intégration dans une squad de 3 personnes, Mission de 6 mois minimum Présence sur site à Paris 2 jours par semaine

L'équipe travaille sur des algorithmes de détection d'objets d'intérêt stratégique sur des images satellites. Le pôle est composé d'une vingtaine de personnes dont une majorité de Deep Learning Scientists. Pour faire face à une augmentation de la charge, nous avons besoin de renforcer rapidement l'équipe en particulier pour travailler de l'imagerie satellite SAR. La personne intègrera une squad de 5 à 7 personnes. Les missions principales sont: - Développer, entraîner et tester des algorithmes de deep learning partant en production. - Contribuer à la stack d'outils MLOps de l'équipe pour garantir sa viabilité sur le long terme et améliorer la productivité de l'équipe.

Intitulé : Data Scientist Senior / Expert. Durée de mission : 12 mois. Localisation : Lille. Télétravail : 2 jours par semaine. Contexte : le client accélère sa transformation digitale et cherche à industrialiser des usages Data / IA dans la chaîne de valeur industrielle et d'approvisionnement. La mission couvre deux axes principaux : (1) cadrer de bout en bout les cas d'usage Data / IA, depuis l'expression du besoin business jusqu'à la démonstration de la pertinence d'une approche Data Science (PoC / Go-No Go) et la définition des trajectoires de déploiement ; (2) apporter une expertise de pointe sur l'évaluation des modèles existants et émergents, notamment des architectures d'Agents / Agentique en production, concevoir et mettre en place des frameworks d'évaluation rigoureux, détecter dérives et hallucinations, et faire monter en compétences les équipes internes. Objectifs et livrables attendus : cadrages métiers traduisant problématiques d'achats industriels, costing et gestion des risques fournisseurs en opportunités Data Science, évaluations de faisabilité technique et qualité de la donnée, design technique des modèles retenus, frameworks d'évaluation des systèmes agentiques en production, documentation rigoureuse et transfert de compétences. Abonnez-vous à la page NaxoTech sur LinkedIn pour découvrir nos offres régulières

📍 Marseille (13) · Hybride, 2 jours par semaine sur site · Démarrage octobre 2026 · CDI Qui sommes-nous ? Visian Azur, filiale du Groupe Neurones, est un cabinet de conseil spécialisé en Data et Intelligence Artificielle, implanté à Marseille. Nous accompagnons de grands comptes de la région sur leurs projets data les plus ambitieux. Vos missions Vous concevrez et intégrerez deux modules spécialisés au sein d'un framework agentique de recherche et d'expérimentation en Machine Learning. Module Event Forecasting : intégrer des événements externes dans des prévisions de séries temporelles. Découvrir et représenter les événements, modéliser leur probabilité, date, durée, intensité, direction, incertitude et impact Construire des scénarios (sans événement, central, optimiste, pessimiste, stress) à partir de méthodes statistiques, ML et Deep Learning Garantir l'absence de fuite temporelle en tenant compte strictement de la date de publication des données Valider les résultats par des tests placebo, des backtests événementiels et une comparaison à un modèle de référence sans événements Module IoT et détection de pannes : maintenance prédictive sur les données capteurs de sites industriels connectés. Détecter précocement les anomalies et les signaux précurseurs de panne Estimer la probabilité de panne et la durée de vie utile restante (RUL) Traiter des séries temporelles multivariées réelles : données manquantes, bruit, changements de régime Mobiliser des approches supervisées, non supervisées, de détection d'anomalies et d'analyse de survie Assurer la généralisation à de nouveaux équipements et produire des alertes explicables et hiérarchisées Transverse Définir les protocoles expérimentaux, jeux de tests et modèles de référence Produire un code versionné, testé et documenté, avec guide de prise en main Présenter régulièrement les résultats et assurer le transfert de connaissances aux équipes internes

Avanda est une société de services Franco-Suisse. Dans le cadre d'un large appel d'offre du secteur public à Genève en Suisse Romande, nous recherchons plusieurs profils dans le domaine Data & Intégration. Notre client est une très grande organisation publique, avec plusieurs milliers de collaborateurs. Ces opportunités long terme (plusieurs années) nécessitent une présence régulière sur Genève (ou dans la région frontalière). Ces rôles sont pour des consultants (Permanent ou Freelance) intéressés à rejoindre un grand projet dans la région de Genève. Nous nous occupons de toute la partie administrative (payroll, permis, administration et relocation le cas échéant). LE ROLE Au sein du service Data science, vous collectez les données pertinentes, les nettoyez et les préparez pour l'analyse, puis appliquez des techniques statistiques et des algorithmes d'apprentissage automatique pour en extraire des informations utiles. Vous développez des modèles de data science et d'IA (Deep Learning, Computer Vision, langage naturel, Reinforcement Learning ou autres méthodes avancées selon les besoins du projet). Collecter et analyser des données issues de sources variées (automatiser l'extraction, l'intégration et la mise à jour des données). Réaliser l'analyse exploratoire des données avec des outils statistiques et des visualisations. Concevoir et développer des algorithmes et des modèles de data science et d'IA, et en améliorer les résultats. Évaluer la performance des modèles avec des mesures appropriées et les ajuster pour améliorer leur précision et leur généralisation. Collaborer avec des ingénieurs logiciels pour intégrer les modèles dans des applications ou des systèmes existants, et assurer leur déploiement efficace et sécurisé en production. Présenter et partager les résultats de manière claire et compréhensible aux parties prenantes. Démarrage prévu en janvier 2027.

developpement un framework agentique dédié à la recherche et à l'expérimentation en Machine Learning, inspiré des approches DS-STAR et MLE-STAR de Google Research. Son architecture repose sur un cœur générique associé à des plugins spécialisés. Le système automatise notamment les activités suivantes : analyse et formalisation du problème ; proposition et priorisation d'expériences ; génération, exécution et correction du code ; validation expérimentale et évaluations rétrospectives ; études d'ablation et sélection robuste des modèles. La mission consiste à faire évoluer ce framework selon deux axes prioritaires, tout en garantissant la qualité scientifique, la reproductibilité des expérimentations et l'intégration des développements dans l'écosystème existant. Objectif 1 — Amélioration du plugin Event Forecasting : Consolider un plugin capable d'intégrer des événements dans les prévisions de séries temporelles, selon un protocole scientifique rigoureux. Les travaux porteront notamment sur : découverte, qualification et représentation structurée des événements ; modélisation de leur probabilité d'occurrence, de leur date de début, de leur durée, de leur intensité, de leur direction, de leur incertitude et de leur impact ; production de scénarios sans événement, central, optimiste, pessimiste et de stress ; intégration de méthodes statistiques, de Machine Learning et de Deep Learning adaptées ; prise en compte stricte de la date de publication des informations afin d'éviter toute fuite temporelle ; mise en place de tests placebo, d'évaluations rétrospectives événementielles et de comparaisons avec un modèle de référence sans événements ; amélioration de la robustesse, de la reproductibilité et de l'interprétabilité des résultats. Objectif 2 — Cas d'usage IoT : détection de pannes : Concevoir et intégrer dans RAFA un plugin dédié aux données IoT et à la maintenance prédictive. Les travaux porteront notamment sur : détection précoce des anomalies et des signaux précurseurs de panne ; estimation de la probabilité de panne et, lorsque les données le permettent, de la durée de vie utile restante ; exploitation de séries temporelles multivariées issues de capteurs, avec gestion des données manquantes, du bruit et des changements de régime ; comparaison d'approches supervisées, non supervisées, de détection d'anomalies et d'analyse de survie ; évaluation des modèles selon des protocoles temporels réalistes et mesure de leur capacité de généralisation à de nouveaux équipements ; production d'alertes explicables, hiérarchisées et exploitables par les équipes métier. Livrables attendus : plugins Event Forecasting et IoT intégrés, testés et documentés dans RAFA ; protocoles expérimentaux, jeux de tests, modèles de référence et résultats comparatifs reproductibles ; code source versionné, documentation technique et guide de prise en main ; synthèses des travaux, recommandations et présentation régulière des résultats ; transfert de connaissances vers les équipes internes. Critères de réussite : amélioration mesurable des performances par rapport aux modèles de référence ; absence de fuite temporelle et respect des protocoles de validation définis ; reproductibilité des expérimentations et traçabilité des résultats ; qualité, maintenabilité et intégrabilité du code livré ; appropriation des développements et de la documentation par les équipes internes.

Contexte L'équipe détecteur IMINT (IMagery INTelligence) travaille sur des algorithmes de détection d'objets d'intérêt militaire sur des images satellites. Le pôle est composé d'une vingtaine de personnes dont une majorité de Deep Learning Scientists. Pour faire face à une augmentation de la charge, nous avons besoin de renforcer rapidement l'équipe en particulier pour travailler sur le développement d'un Retraining Kit. L'objectif est de permettre à nos clients de réentraîner certains de nos détecteurs sur leurs propres données et cas d'usage. Ce kit s'appuiera sur plusieurs modules internes de notre AI factory, notamment pour préparer les données, lancer et suivre les entraînements, évaluer les performances et packager le détecteur réentraîné. Nous cherchons à renforcer l'équipe avec un profil ML Engineering capable de contribuer à la mise en production de ce kit. La personne fera partie intégrante de l'équipe et s'intègrera dans une squad de 3 personnes. La mission sera d'une durée minimale de 6 mois. La personne devra venir sur site au minimum 2 jours par semaine. Mission Les missions principales sont : Développer le Retraining Kit en s'appuyant sur les modules internes de notre AI Factory. Valider et fiabiliser le kit pour un déploiement client via des tests de bout en bout, l'amélioration des workflows, de la qualité logicielle et de la documentation. Profil recherché en résumé : Une formation en Software Engineering, en machine learning, computer vision ou domaine similaire. 2 ans d'expérience minimum en ML Engineering, très bonne connaissance de Python et des bonnes pratiques en développement logiciel Expérience en Deep Learning et / ou Computer Vision o D'une expérience en SW engineering (culture archi / design, qualité / testing / CI/CD). o Une connaissance de l'imagerie satellite est un plus. En terme de méthodologie de travail : d'une expérience en environnement agile, sans pour autant en défendre une application dogmatique En terme de soft skills : o D'autonomie et de capacité à investiguer un problème de bout en bout. o D'une posture user-centric, en pensant avant tout aux besoins des utilisateurs. o D'ouverture d'esprit, communication, et travail en équipe. Conditions de la mission : Intégration dans une squad de 3 personnes, Mission de 6 mois minimum Présence sur site 2 jours par semaine