Trouvez votre prochaine offre d’emploi ou de mission freelance Computer vision à Paris

🚀 Mission freelance — Dataset Manager (Computer Vision) 📍 France (déplacements ponctuels en usine possibles) 🕐 Démarrage rapide — mission longue 🏭 Contexte : vision industrielle / IA 🧩 Vos missions En lien étroit avec les équipes Produit, ML et Customer Success, vous interviendrez sur : 📊 Stratégie dataset Définir les besoins en datasets avec les équipes internes Identifier les cas d’usage et prioriser les campagnes Structurer les jeux de données nécessaires à la performance des modèles 🏷️ Pilotage des campagnes d’annotation Rédiger les guidelines d’annotation Organiser et superviser les campagnes Annoter une partie des données si nécessaire Manager et challenger les annotateurs Mettre en place des contrôles qualité 🔍 Qualité & amélioration continue Revoir et valider les annotations Mesurer la qualité des datasets Proposer des améliorations de process Contribuer à la robustesse des modèles 🗂️ Gouvernance des datasets Cartographier les datasets existants Maintenir une documentation référentielle claire Gérer des baselines de performance Assurer la traçabilité et la versioning 🏭 Compréhension terrain Analyser des pièces réelles et images industrielles Échanger avec équipes client / customer success Se déplacer ponctuellement en usine si nécessaire ⚙️ Modalités Démarrage : ASAP Type : freelance Durée : mission longue probable Localisation : France (remote possible avec déplacements ponctuels) TJM : selon profil

Contexte L'équipe travaille sur le développement des algorithmes de détection d'anomalie sur des pièces industrielles. L'équipe est composée d'une dizaine de personnes (Data scientist, deep learning ingénieur, ML engénieur) et travaille sur une dizaine de projet par an pour développer des solutions d'aide au contrôle industriel. Les données traitées sont des images sous des formes variées (ultrasons, rayons X, tomographie, images visibles, vidéo, etc...) Pour produire les détecteurs (ou algorithme), l'équipe s'appuie sur une stack d'outils internes permettant l'industrialisation du travail des Deep Learning Scientist. La stack se divise en : une stack d'outils génériques (AI Platform) servant toutes nos lignes de produit, développée par l'équipe AI engineering. une stack d'outils spécifiques à l'équipe contrôle non destructif, développée par l'équipe CND elle-même. Pour faire face à une augmentation de la charge, nous avons besoin de renforcer l'équipe pour contribuer à plusieurs projets.