Data Scientist Computer Vision / IA Générative H/F - FULL REMOTE

Contexte de la mission

Dans le cadre d'un projet innovant autour de l'Intelligence Artificielle appliquée au secteur automobile, notre client développe un modèle permettant d'analyser des photographies de véhicules accidentés afin d'identifier automatiquement les pièces impactées et d'améliorer les processus d'expertise et de chiffrage.

Vous intégrerez une équipe Data Science spécialisée en vision par ordinateur et serez accompagné(e) par la Data Scientist référente du projet. Nous recherchons un profil capable de monter rapidement en autonomie sur des sujets de recherche appliquée, de développement Python et de modélisation de graphes.

Le poste convient particulièrement à une personne rigoureuse, curieuse, persévérante et appréciant les problématiques mêlant IA, traitement d'images et modélisation de données complexes.

Missions principales

Au sein de l'équipe Data Science, vous interviendrez sur les différentes phases de conception et d'industrialisation du modèle.

Analyse et modélisation

• Participer à la définition et à l'amélioration d'une méthodologie basée sur les graphes relationnels.

• Étudier les relations de voisinage et de dépendance entre les différentes pièces composant un véhicule.

• Concevoir des représentations de données permettant d'exploiter efficacement les informations extraites des images.

Traitement d'images et segmentation

• Exploiter et manipuler des matrices de segmentation issues de modèles de Computer Vision.

• Analyser les résultats de segmentation afin d'identifier les composants automobiles présents sur une photographie.

• Participer à l'amélioration de la qualité des données utilisées par les modèles.

Développement Python

• Développer les algorithmes permettant la génération automatique de graphes relationnels.

• Concevoir des outils de transformation et d'exploitation des matrices de segmentation.

• Mettre en place des mécanismes d'automatisation pour accélérer la génération des graphes.

Référentiel de graphes

• Construire et maintenir un référentiel comprenant entre 50 et 100 graphes relationnels.

• Garantir la cohérence, la qualité et l'exploitabilité de ce référentiel.

• Documenter les choix méthodologiques et techniques réalisés.

Matching et comparaison de graphes

• Développer des algorithmes d'appariement de graphes.

• Optimiser les mécanismes de recherche de similarités.

• Participer à l'évaluation des performances et à l'amélioration continue des modèles.

Environnement techniqueLangages & Frameworks

• Python

• NumPy

• Pandas

• Scikit-Learn

• PyTorch ou TensorFlow

• OpenCV

Concepts et domaines

• Computer Vision

• Analyse d'images

• Segmentation sémantique

• Deep Learning

• Graph Theory

• Graph Matching

• Graph Neural Networks (GNN) appréciées

• Data Science appliquée

Outils métier

• DIVA (formation assurée)

• Outils de chiffrage automobile