Stage – Ingénieur(e) en vision par ordinateur - Prédiction du comportement dynamique des obstacles F/H

Soyez vous-même. 

Devenez qui vous voulez.

Acteur mondial de l’ingénierie, de la technologie et du conseil, Expleo accompagne des entreprises reconnues dans leur innovation afin d’accélérer leur réussite.

Nous nous appuyons sur plus de 40 ans d’expérience dans le développement de produits complexes, l’optimisation des processus de fabrication et la performance des systèmes d’information. Notre expérience sectorielle nous permet d’apporter à nos clients une expertise approfondie propre à stimuler l’innovation à chaque étape de la chaîne de valeur. Le groupe réalise un chiffre d’affaires annuel de plus d’un milliard d’euros.

Expleo est un groupe responsable qui s’engage à placer l’éthique et la diversité au centre de ses pratiques, ainsi qu’à œuvrer pour une société plus durable et plus sûre.

Chez Expleo, épanouissez-vous au cœur d’une communauté de 19 000 collaborateurs hautement qualifiés qui fournissent des solutions à forte valeur ajoutée dans 30 pays.

A compétences égales, une attention particulière sera accordée aux candidatures des travailleurs handicapés et autres bénéficiaires de l'obligation d'emploi de l'article L. 5212-2 du code du travail. »

Intégré à nos équipes, vous réaliserez diverses missions de conseil et d’accompagnement auprès de nos clients.

Pourquoi nous rejoindre ?

• • Un accompagnement technique sur le terrain
  • Des formations continues via nos experts techniques
  • Des valeurs humaines entre nos collaborateurs
  • La diversité de nos équipes
  • Une montée en compétences tout au long de sa carrière
  • Travailler sur des projets de grandes ampleurs

Quel est votre projet ?

Intégré(e) aux équipes R&D d’Expleo, vous interviendrez en tant qu’ingénieur(e) stagiaire dans le domaine de vision par ordinateur et apprentissage automatique.

Dans ce cadre, vous participerez à rechercher et développer des méthodes de l’IA générative pour la prédiction du comportement dynamique des obstacles (piétons, cyclistes, etc) en circulation.

Rattaché(e) à un(e) tuteur(trice) vous serez suivi(e) et conseillé(e) tout au long de votre mission pour vous assurer une immersion à la fois technique, projet et collectif.

Votre rôle dans ce projet :

Vos principales missions seront de :

• Etudier l’état de l’art des méthodes de l’IA générative dans le domaine de traitement d’image et de vidéo.
• Développer des modèles d'apprentissage profond génératif (VAEs, GANs, etc) pour la prédiction du comportement dynamique des obstacles en circulation (piétons, cyclistes, etc).
• Concevoir de solutions pour classifier les types de comportements prévus et puis détecter des interactions dangereuses potentielles avec des voitures autonomes.
• Evaluer les performances des solutions sur une base de données en simulateur Carla et/ou sur les bases de données publiques.
• Rédiger des rapports et des documents nécessaires.

L’objectif de ce stage sera donc de contribuer à améliorer les modèles d’IA génératifs prédisant le comportement futur des usagers de la route pour assurer une navigation sûre et efficace par des véhicules autonomes, puis améliorer la prise de décision, permettant aux véhicules d’anticiper et de réagir aux mouvements des piétons, des cyclistes et des autres véhicules. 

• Environnement technique :Python/Matlab/C++, OpenCV, Linux, Pytorch/Tensorflow, GANs/VAEs, Carla

Qui êtes-vous ?

De formation Bac +5 (Master 2 ou 5ème année d’ingénieur) en informatique, computer vision, traitement d’images, intelligence artificielle et domaines connexes

Vos qualités ?

Autonome, rigoureux(se), vous possédez d’un excellent esprit d'analyse et de synthèse, de bonnes capacités de rédaction et vous aimez travailler en équipe. Votre esprit d'initiative et votre force de proposition seront des atouts indéniables. Vous êtes agile et polyvalent sur les missions qui seront proposées.

Vos compétences ?

Langues : Français C2, Anglais B2

Compétences particulières : Traitement d’image, computer vision, IA generative, apprentissage profond