L'entreprise

L'IA pour détecter les vols.

L'entreprise développe une technologie qui effectue une reconnaissance gestuelle en direct dans les contenus vidéo. Les applications potentielles sont diverses et leur objectif est l'industrie de la vente au détail. L'algorithme détecte automatiquement les gestes associés au vol à l'étalage dans les supermarchés. Ils ont récemment levé une série A de 10 millions de dollars et ils constituent leur équipe de R&D afin de livrer un produit à différents formats de magasins.

Rejoindre cette société, c'est avoir l'opportunité de contribuer au développement de l'apprentissage en profondeur de la vidéo, l'un des domaines les plus chauds de l'IA, et de participer clairement à une aventure entrepreneuriale.

Le poste

Ils recherchent un ingénieur expérimenté en Deep Learning pour participer à l'amélioration d'un algorithme complexe de reconnaissance gestuelle. Ils explorent également d'autres sujets tels que la réidentification de cibles, la détection d'anomalies, la pixelisation des visages, etc.

La mission consiste principalement à améliorer la précision de l'algorithme qu'ils développent sur un ensemble de données vidéo propriétaire. Les tâches incluent :

● Repérer et mettre en œuvre les architectures de reconnaissance vidéo de pointe en apprentissage en profondeur.
● Créer et appliquer des recommandations pour améliorer les scores de la tâche principale.
● Améliorer le pipeline d'évaluation
● Participer à l'optimisation de tous les modèles
● Améliorer la scalabilité du pipeline de formation (AWS SageMaker, GCP TPUs)
● Collaborer avec l'équipe d'intégration et l'équipe de développement de produits
● Assister le CTO dans les rendez-vous liés à la technologie et la collaboration avec les laboratoires
● Explorer de nouvelles tâches liées à l'algorithme découlant de la veille technologique

Votre profil

● 3+ années d'expérience professionnelle / de recherche dans le domaine
● Une expertise avérée en Deep Learning, notamment en vision par ordinateur (les tâches liées à la vidéo sont un plus)
● Intérêt pour la recherche et capacité à extraire des informations utiles à partir d'articles scientifiques
● Compréhension de la convolution et des architectures connexes célèbres (resnext, I3D, RPN, réseaux à deux flux, auto-encodeurs et GAN...)
● Une maîtrise solide d'au moins l'un des FrameWork Deep Learning suivants : Pytorch, Tensorflow, CNTK, Caffe, MXNet
● Esprit analytique, capacité à prendre du recul et à voir le tableau d'ensemble
● Aptitude à résoudre les problèmes
● Master / PhD en Deep Learning ou domaines pertinents.