Ingénieur - machine learning

Matériaux, physique du solide Stage - Bac+5 - Ingénieur - machine learning H/F Segmentation de modules photovoltaïques par ML : amélioration d'algorithmes et création d'une base de données labellisées pour l'analyse de défauts. Dans le cadre du diagnostic industriel et scientifique des installations solaires, la segmentation précise des modules photovoltaïques à partir d’images thermiques et visuelles est une étape importante pour détecter et analyser les défauts. Ce stage vise à améliorer les algorithmes de segmentation existants et à développer une approche robuste basée sur le machine learning pour automatiser et optimiser ce processus. Vous intégrez une équipe travaillant sur l’analyse d’images pour des applications industrielles et/ou scientifiques.Votre travail contribuera à renforcer la précision et l’automatisation des outils de segmentation, tout en construisant une base de données labellisée pour entraîner et évaluer des modèles de machine learning. Vous aurez pour mission de : - Réaliser un état de l’art des méthodes de segmentation d’images par Machine Learning, en identifiant les approches les plus adaptées au contexte des panneaux solaires. - Comprendre et prendre en main l’algorithme de segmentation actuel. - Développer un logiciel de filtrage et d’annotation permettant de corriger les résultats de segmentation. - Constituer une base de données d’images labellisées en récupérant, prétraitant et annotant des images issues de base de données. - Entraîner un modèle de Machine Learning sur cette base de données, puis évaluer et optimiser ses performances pour garantir une segmentation précise et fiable. Nous recherchons un(e) étudiant(e) en dernière année d’école d’ingénieur ou en Master 2 dans un domaine lié à l’informatique, au traitement d’images, à l’intelligence artificielle ou à la science des données (data science). - Connaissances en Machine Learning et en traitement d’images (OpenCV, bibliothèques de computer vision). - Maîtrise de la programmation en Python et des frameworks comme PyTorch ou TensorFlow. - Expérience (un plus) avec des modèles de segmentation (YOLO, U-Net, etc.).Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l’inclusion des travailleurs handicapés