Post-Doc Ingenieur·e Deep Learning H/F

La direction Energie Environnement, composée de 120 ingénieurs et chercheurs passionnés recherche un(e) Post-Doc talentueux(se) pour rejoindre l'équipe IDPB en charge de la Base de Données Nationale des Bâtiments (https://bdnb.io).

Votre rôle sera de continuer le développement de modèles multimodaux images (façade, aérien et satellite) / données tabulaires (et potentiellement LLM) appliqués aux bâtiments, issus d'un précédent post-doc.

Ce postdoc a pour objectif d'étendre les travaux du post doc précédant :

• Explorer les sujets algorithmiques sur l'entrainement multimodale et son exploitation dans le cadre de la prédiction de données manquantes à partir d'images afin d'en améliorer la performance. Et étendre le contexte aux bâtiments tertiaires, dont le niveau de description est très faible.
  
• Développer des modèles de bâtimentS multimodaux. Les résultats devront permettre à nos ingénieurs et à nos utilisateurs de capitaliser différentes modalités de données Magal bâtimentaire (tabulaire, image, texte...) pour les tâches aval de machine learning telles que :

1. prédiction de typologies de bâtiment (classification, clustering)
2. recherche et interaction avec la description du bâtiment en langage naturel
3. recherche par similarité (Retrieval Augmented Generation ou RAG)