Trouvez votre prochaine offre d’emploi ou de mission freelance Pytorch

Je recherche un Full Stack Engineer passionné par le Computational Design, les technologies 3D et l'Intelligence Artificielle pour rejoindre une équipe R&D travaillant sur des projets innovants à la croisée du design, de la simulation et de l'IA. 🎯 Vos missions : Concevoir et développer des plateformes Full Stack dédiées au Computational Design. Développer des APIs performantes avec Python / FastAPI. Concevoir des interfaces web modernes avec React ou Vue.js. Intégrer des modèles d'IA et de Machine Learning dans des applications de production. Manipuler et structurer des données 3D, géométries et workflows de simulation. Participer au déploiement Cloud, Docker et aux pipelines CI/CD. Collaborer avec des designers, chercheurs IA et ingénieurs dans un environnement d'innovation.

Contexte Le client intègre des technologies d'Intelligence Artificielle Générative au sein de son SOC afin d'automatiser l'analyse de menaces, de contextualiser les alertes de sécurité et d'assister les analystes. L'objectif est de concevoir des modèles de langage (LLM/SLM) souverains et ultra-spécialisés en cybersécurité. Le/la consultant(e) travaillera en collaboration directe avec l'équipe R&D Cyber et l'équipe SOC, dans un environnement de recherche et développement agile. Rôle et responsabilités principales Fine-tuning de LLM open-source (Llama, Mistral, Qwen…) sur des données de cybersécurité (logs, rapports CTI, playbooks) Mise en œuvre de techniques d'apprentissage par renforcement pour limiter les hallucinations et sécuriser les réponses générées Définition et application des formats de prompt et de conversation pour l'entraînement des modèles • Structuration et formatage des datasets d'entraînement textuels Mise en place de pipelines d'évaluation et de benchmarking pour mesurer la performance des modèles "Cyber" face aux standards du marché Vulgarisation des concepts IA auprès de profils cybersécurité (analystes SOC, RSSI) Collaboration directe avec l'équipe R&D Cyber et l'équipe SOC Livrables attendus Modèles LLM/SLM fine-tunés et spécialisés en cybersécurité Datasets d'entraînement structurés et formatés (ChatML, Alpaca) Pipelines d'évaluation et de benchmarking (interne et standards du marché) Rapports de performance comparative des modèles

Date de démarrage : ASAP Date de fin : 25/06/2027 (Mission de longue durée) Localisation : Massy (Rythme : 2 jours par semaine sur site) Tarif Journalier Moyen (TJM) Max : 510 € HT Contexte et Mission : Au sein de l'Analytics Factory, entité transverse qui conçoit et développe les services analytiques à forte valeur ajoutée pour soutenir la prise de décision stratégique, vous serez le moteur technique de la transformation digitale des points de vente physiques. Votre objectif principal consistera à concevoir, développer et déployer en production des modèles de Computer Vision innovants. Vous rejoindrez un projet d'envergure phare : le Monitoring Temps Réel de l'Étagère, visant à transformer les rayons physiques en flux de données exploitables pour optimiser l'excellence opérationnelle et l'expérience client. Livrables et Enjeux clés :Développer des solutions capables de comprendre parfaitement la disponibilité, la conformité des rayons et les mouvements des stocks via l'analyse d'images. Relever des défis de détection d'objets et de reconnaissance de produits à très grande échelle. Assurer l'industrialisation et le déploiement de ces modèles dans un environnement de production en temps réel. Compétences Techniques et Expertises Requises : Incontournables (Must have) :Langage : Maîtrise experte de Python. Cloud & MLOps : Expérience significative sur l'écosystème GCP (Google Cloud Platform) et l'utilisation de Vertex AI pour le cycle de vie des modèles. Algorithmes : Solides compétences en Deep Learning appliquées à la vision par ordinateur. Souhaitées (Nice to have) :Modèles de pointe : Connaissance et manipulation de modèles récents tels que YOLO, SAM (Segment Anything), DINOv2 pour le feature extraction ou équivalents. Recherche d'images : Expérience avec les bases de données vectorielles (Vector Databases) pour le matching et l'indexation de produits à grande échelle. Frameworks & Outils : Pratique courante de PyTorch, TensorFlow, OpenCV et des environnements conteneurisés (Kubernetes).

· Vous contribuerez à la mise en œuvre du processus MLOps pour maintenir les modèles de ML en production. · Vous collaborerez avec l'équipe pour déployer ou améliorer des pipelines ML évolutifs et efficaces en utilisant les meilleures pratiques MLOps. · Vous collaborerez avec l'équipe au développement de services de qualité production avec des tests unitaires et d'intégration, CI/CD et devOps pour ces services. · Vous identifierez de nouvelles opportunités pour améliorer les processus de go-to-production et MLOps. · Vous appliquerez des pratiques et des normes de développement logiciel pour améliorer et garantir la qualité du code de nos applications. · Vous maintiendrez un rôle actif à chaque étape du cycle de vie du développement logiciel.

Vous rejoignez le client en tant qu'AI Agent Builder, au cœur de notre infrastructure. Votre terrain de jeu : tous les départements internes, des millions de transactions, des données riches et des problématiques métier concrètes, fraude, conversion, comportements marchands. Vous n'êtes pas là pour faire de la R&D dans le vide. Votre mission est de concevoir, construire et déployer en production des agents IA autonomes ainsi que la plateforme qui les gère, capables d'exécuter des tâches complexes, d'orchestrer des outils et des API, et de prendre des décisions dans un cadre défini, le tout avec une gouvernance rigoureuse pour garantir sécurité et conformité à tout moment, aussi bien pour un usage interne que directement dans le produit. Vous travaillez en lien étroit avec l'ensemble des équipes du client. Ce que vous ferez concrètement : Concevoir des agents IA de bout en bout Vous identifiez les cas d'usage à fort potentiel d'automatisation agentique : support client, opérations internes, assistance marchande dans le produit… Vous concevez l'architecture de l'agent : découpage des tâches, choix des outils exposés, stratégie de raisonnement, boucles de correction Vous intégrez ces agents dans notre écosystème produit et nos outils internes, avec les mêmes exigences de robustesse et de scalabilité que n'importe quel composant en production Vous bâtissez la plateforme de gestion des agents et assurez la gouvernance pour garantir la sécurité et la conformité à tout moment Évaluer, monitorer et itérer Vous construisez des frameworks d'évaluation pour mesurer la fiabilité, la pertinence et les dérives de vos agents, pas seulement leur capacité à produire une réponse qui sonne bien Vous monitorez le comportement des agents en production et mettez en place les garde-fous nécessaires (limites d'action, validation humaine, fallback) Vous itérez rapidement à partir des retours terrain et des métriques business Embarquer les équipes Vous travaillez en lien étroit avec notre AI Engineer, les équipes Tech & Data pour cadrer les cas d'usage et livrer des agents qui s'intègrent réellement dans les processus existants Vous accompagner l'ensemble des équipes (Tech et non-Tech) dans l'adoption des outils agentiques afin de leur donner les outils et la connaissance nécessaires à la création d'agents en autonomie. Stack et environnement LLM APIs (OpenAI, Anthropic, autres selon le besoin), frameworks agentiques (type LangGraph, LangChain, CrewAI ou équivalent), ainsi que des solutions no-code / low-code d'orchestration d'agents (type n8n, Dust ou équivalent) Python, GCP (BigQuery, Dataform, Pub/Sub), bases vectorielles pour le RAG Méthodologie agile, forte proximité avec les équipes Data et Tech

Présentation du contexteL'Analytics Factory conçoit et développe des services analytiques avancés pour fournir aux équipes métier des données et des analyses fiables. L'objectif est de soutenir la transformation analytique et d'appuyer la prise de décision stratégique dans tous les domaines de l'entreprise. Dans le cadre de la digitalisation du processus promotionnel PGC via un portail amont collaboratif intégrant directement les fournisseurs, nous recherchons un(e) Data Scientist Python Senior pour concevoir et déployer des solutions d'Intelligence Artificielle de pointe. 🚀 Missions et Périmètre Fonctionnel (IA)Le projet s'articule autour du déploiement de 3 agents intelligents (IA Agentique) : Agent Négo : Automatisation des demandes, simulations d'impact (CA / marge) et formulation de contre-propositions. Agent Pilotage : Ajustement dynamique des catalogues sous contraintes et système d'alertes en temps réel. Agent Admin : Génération automatisée des Appels d'Offres (AO) et des mandats. Intégration & Écosystème : Connexion et intégration obligatoires des modèles au sein de l'écosystème Data interne. 🗺️ Roadmap du projetS1 2027 : Déploiement du socle collaboratif de base. S2 2027 : Déploiement complet et mise en production des agents IA. Conditions de la missionDate de démarrage : ASAP Date de fin prévisionnelle : 02/07/2029 (Mission longue visibilité) Localisation : Massy (Essonne) Rythme de travail : Hybride (2 jours par semaine sur site obligatoires) Tarif Journalier Maximum (Prix d'achat max) : 510 € / jour

Data science PYTHON GCP Senior 500 e par j ● Concevoir, développer et maintenir des applications et modèles d'apprentissage automatique robustes et scalables avec Python ● Utiliser les plateformes de cloud computing, notamment GCP ou équivalents ● Appliquer les principes DevOps, notamment CI/CD, et utiliser Git pour le versionning Nice to Have ● Maîtriser les bibliothèques de manipulation et d'analyse de données : Pandas, NumPy, SciPy ● Développer et déployer des modèles ML en production avec Scikit-learn, TensorFlow ou PyTorch ● Explorer, transformer, nettoyer et enrichir de nouveaux jeux de données pour les rendre exploitables ● Gérer le versionning des données et des modèles ● Visualiser et analyser les données avec Matplotlib, Seaborn, Plotly 500 e par j

Tu rejoins une équipe pluridisciplinaire, en tant que ML Engineer, tu interviens sur l'ensemble du cycle de vie des features ML — de l'idée à la mise en production — en collaboration étroite avec les équipes back-end, front-end et produit. Parmi les sujets sur lesquels tu pourras contribuer : personnalisation des résultats de recherche / recommandations (nouveaux signaux, nouvelles architectures de modèles, A/B tests), refonte du système d'auto-complétion, amélioration des pipelines ML (automatisation, monitoring, observabilité), ou encore exploration proactive de nouvelles approches ML pour résoudre des problèmes utilisateurs concrets. Le poste est volontairement équilibré entre modélisation et industrialisation , dans un stack moderne : Python, PyTorch, TensorFlow, MLflow, Kubeflow, Airflow, KServe, AWS, FastAPI, Kubernetes