En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR7271-PIEMAR-003 - Ingénieur en machine learning pour l’analyse de films (H/F)

Ingénieur en machine learning pour l’analyse de films (H/F)

Cette offre est disponible dans les langues suivantes :
- Français-- Anglais

Date Limite Candidature : lundi 28 octobre 2024 00:00:00 heure de Paris

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler

Informations générales

Intitulé de l'offre : Ingénieur en machine learning pour l’analyse de films (H/F)
Référence : UMR7271-PIEMAR-003
Nombre de Postes : 1
Lieu de travail : VALBONNE
Date de publication : mardi 30 juillet 2024
Type de contrat : CDD Technique/Administratif
Durée du contrat : 18 mois
Date d'embauche prévue : 1 novembre 2024
Quotité de travail : Temps complet
Rémunération : À partir de 2372,55 euros brut mensuel selon expérience
Niveau d'études souhaité : Niveau 7 - (Bac+5 et plus)
Expérience souhaitée : 1 à 4 années
BAP : Informatique, Statistiques et Calcul scientifique
Emploi type : Ingénieur-e en calcul scientifique

Missions

L’ingénieur (M/F) sera recrutée dans le cadre du projet ANR TRACTIVE. La personne travaillera au sein du pôle Signal Image et Système du laboratoire i3S, sur des tâches liées à l’analyse de films avec des outils d’IA existants et à concevoir (spécifiquement sur des modèles de machine learning - ML). Elle aura pour tâches de tester de nouvelles approches ML sur des données nouvellement créées, ce qui inclura également l’étude des choix de pré-traitement des données pour étudier différentes approches d’IA.

Les principales tâches consisteront en :
• pré-traitement rigoureux des différentes modalités (vidéo, texte, audio),
• analyses statistiques avancées des ensembles de données,
• proposer et tester des modèles de ML explicables pour identifier les motifs cinématographiques discriminants pour les tâches de classification considérées,
• analyse rigoureuse des résultats et comparaison avec baselines.

Activités

Activités principales :
• pré-traitement rigoureux des différentes modalités (vidéo, texte, audio),
• analyses statistiques avancées des ensembles de données,
• proposer et tester des modèles de ML explicable pour identifier les motifs cinématographiques discriminants pour les tâches de classification considérées,
• analyse rigoureuse des résultats et comparaisons avec baselines,
• test et intégration de dépôts de code et bibliothèques existantes,
• formatage des données pour les modèles de ML,
• développement de code en Python,
• écriture de documentation technique et rapports,
• participation à la rédaction d’articles scientifiques pour les conférences et journaux les plus prestigieux du domaine (CVPR, ICCV, IJCV, etc.).
Activités complémentaires :
• participation aux réunions de projet,
• mise en valeur des résultats sur les sites Web du projet,
• aide aux doctorant(e)s et aux partenaires de projet dans leurs besoins réguliers de test et usage d’outil d’IA existants pour des traitements spécifiques des données.

Compétences

Requises :
• Excellentes compétences en programmation en Python,
• Solide expérience avec les modèles et bibliothèques de machine learning (scikit learn, tensorflow, torch),
• Solides compétences et expérience préalable avec des outils et des bibliothèques de vision par ordinateur, de traitement d'images et de traitement de texte (par exemple, opencv, ffmpeg, cimg, dlib, nltk, Lemur),
• Bonne connaissance des flux de traitement des données pour l'apprentissage automatique,
• Expertise en gestion de dépôt de code (git),
• Bonnes compétences en ingénierie pour déboguer et compiler des dépôts avec code source en C++ et Matlab,
• Compétences pour rechercher, comprendre, utiliser et rédiger la documentation technique.

Appréciées :
• Expérience avec l’analyse de séries temporelles,
• Connaissance de la virtualisation et du packaging des logiciels (par exemple, Docker, Singularity),
• Création de site Web avancées (PHP, MySQL, Javascript),
• Bon niveau de français et anglais oral et écrit.

Contexte de travail

Le projet TRACTIVE est un projet de recherche de 4 ans financé par l'Agence Nationale de la Recherche (ANR) et impliquant 6 laboratoires académiques. L'objectif scientifique de TRACTIVE est de caractériser et de quantifier la représentation du genre et l'objectification des femmes dans les films et les médias visuels en concevant une analyse multimodale (visuelle et textuelle) du discours avec des modèles IA. Pour atteindre cet objectif, TRACTIVE rassemble des chercheuses et chercheurs en informatique, en études des médias, en linguistique et en études de genre.
Outre ces personnels permanents, plusieurs membres non permanents travaillent déjà sur le projet, notamment des doctorant(e)s et une ingénieure.

Encadrement:
Prof. Lucile Sassatelli, Full Professor, Fellow of IUF
https://www.i3s.univ-cotedazur.fr/~sassatelli
https://www.i3s.univ-cotedazur.fr/TRACTIVE/
Dr. Hui-Yin Wu, Research Scientist at Inria center of Université Côte d’Azur
https://www-sop.inria.fr/members/Hui-Yin.Wu/

Le laboratoire i3S est un des plus importants laboratoires de recherche en sciences de l’information et de la communication de la Côte d’Azur et a été un des premiers à s’installer sur la technopole de Sophia Antipolis.
Il rassemble près de 300 personnes avec environ 80 enseignants-chercheurs provenant majoritairement de 3 composantes d'UCA : Polytech Nice Sophia, l'EUR DS4H et l'IUT Côte d'Azur. Le laboratoire regroupe aussi 20 chercheurs du CNRS et 10 chercheurs Inria, sans oublier une vingtaine de personnels des équipes techniques et administratives. Plus de 100 doctorants, une dizaine de post-docs, 60 stagiaires de master ou d'école d’ingénieur complètent les effectifs.
Rattaché à CNRS Sciences informatiques, les thématiques de recherche du laboratoire i3S couvrent un spectre assez large des thématiques des sections 27 « Informatique » et 61 « Génie informatique, automatique et traitement du signal » du CNU (Conseil National des Universités), ainsi que les sections 6 et 7 du CNRS.

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.

Contraintes et risques

Ce poste n'est associé à aucun risque particulier. Le travail sur site est requis pendant au moins 4 jours par semaine.

Informations complémentaires

Le dossier de candidature doit comprendre :
Requis :
◦ CV détaillant les formations, projets et résultats antérieurs,
◦ Lette de motivation (il est fortement recommandé d'aborder le contexte et la mission du poste, et pas seulement les compétences),
◦ Contacts de 3 personnes référents,
◦ Relevés de notes de master.

Apprécié :
◦ Site web personnel, dépôt de projets de code.