Stage Ingénieur·e ML : Évaluation des performances et validation des modèles

Donecle est une société créée en 2015 qui conçoit des drones automatiques (sans télépilote) utilisés pour l’inspections d’avions.

Nos technologies innovantes associant drones et algorithmes de traitement d’images permettent une inspection plus rapides des aéronefs.

Nos clients sont les compagnies aériennes, constructeurs d'avions, centres de maintenances mais aussi des opérateurs militaires à travers le monde entier.

L’équipe
Passionnés de drones ou d’aéronautique, notre équipe d'une trentaine de personnes travaille à développer la prochaine génération de drones intelligents.
Nos valeurs : Innovation, Excellence et Esprit d’équipe. 

Au sein de Donecle, l’équipe Machine Learning développe et déploie les algorithmes de vision par ordinateur qui permettent ces inspections assistées. Pour renforcer la fiabilité de nos modèles et mieux mesurer leur impact en conditions réelles, nous proposons un stage ML de 6 mois consacré à l'évaluation et au suivi de la performance des modèles en production.

Pourquoi nous rejoindre ?

• Projet concret et impactant, au cœur de la production industrielle ML

• Intégrer une équipe passionnée et soudée à taille humaine

• Participer au développement d’un produit unique et innovant

La vie chez Donecle, en bref

• Un budget dédié à l'organisation d'évènements (repas, sorties, tournois...) et des avantages sociaux (tickets restaurants, primes, etc.)

• Des locaux neufs, accessibles en transport en commun, voiture, vélo et à proximité immédiate des commerces

En savoir plus sur Donecle : https://youtu.be/nhfrqPShoGs

L'objectif du stage est de comprendre les différentes dimensions de la performance de nos modèles ML et de mettre en place un système robuste, automatisé et reproductible d'évaluation, d'analyse et de suivi de ces performances, avant et après déploiement.

Vous interviendrez sur :

1. L'analyse et la formalisation des besoins techniques et métier.

2. La réalisation d'un état de l'art : étude et analyse des outils et méthodes existants, proposition de solutions applicables et adaptées au contexte.

3. L'implémentation de solutions fonctionnelles et claires pour le suivi, l'évaluation, l'analyse et les tests des performances des modèles ML.

4. La communication des métriques aux différentes parties prenantes.

Étudiant·e en dernière année d’école d’ingénieur ou master en informatique / IA.

Solides bases en analyse de données, Machine Learning, Deep Learning (vision par ordinateur appréciée) et data visualization.

Très bonne maîtrise de Python, des bonnes pratiques de développement (Git, CI/CD, tests unitaires) et de l'analyse statistique.

Très bonne communication, à l'écrit comme à l'oral, et capacité à vulgariser des résultats techniques auprès d'interlocuteurs non techniques.

Autonomie, curiosité, rigueur, goût pour l’industrialisation et la reproductibilité.