Ingénieur CDD en apprentissage profond sur nuages de points

Ingénieur CDD en apprentissage profond sur nuages de points Download job offer in PDF format The offer description be low is in French Contract type : Fixed-term contract Renewable contract : Yes Level of qualifications required : Graduate degree or equivalent Fonction : Temporary scientific engineer Level of experience : Up to 3 years About the research centre or Inria department Créé en 2008, le Centre de recherche Inria de Saclay est situé au cœur du pôle d’excellence scientifique et technologique Paris-Saclay qui réunit à lui seul 15% de la recherche française. Au service du développement de l’Université Paris-Saclay et de l’Institut Polytechnique de Paris, le Centre Inria de Saclay compte 80 personnes travaillant dans les services d’appui à la recherche et 500 scientifiques issus de 54 nationalités. Bénéficiant d'une croissance continue, le centre totalise aujourd'hui 42 équipes-projets et deux en cours de création, dont 21 communes avec avec l’Institut Polytechnique de Paris, 16 avec l’Université Paris-Saclay, ainsi que 7 EP Inria dont une en collaboration avec l’Onera et une en collaboration avec le Pôle Universitaire Centre Val de Loire. Ces équipes de recherche sont réparties sur plus de dix sites. [Sources Numin : https://numin.inria.fr/portal/g/:spaces:yt54gs/centre_inria_de_saclay/lecentre ] Context Nous recherchons un ingénieur de recherche en CDD pour venir optimiser les travaux de thèse (débutée en septembre 2024) en traitement automatique de données bathymétriques par des méthodes d'apprentissage profond. Le Shom (Service hydrographique et océanographique de la Marine) est l’opérateur public pour l’information géographique maritime et littorale de référence (www.shom.fr). Dans le cadre de ses missions, il réalise des campagnes à la mer afin d’acquérir le maximum d’informations précises de la bathymétrie (profondeurs d’eau) sur les zones d’intérêt qui lui sont assignées. Ces données, sous forme de nuages de points geospatiaux, sont actuellement traitées manuellement afin d’extraire le signal utile avant d’être intégrées en base de données et de vernir renseigner les produits cartographiques utiliser afin d’assurer la sécurité de la navigation en mer. Les étapes de traitement et de contrôle de l’information bathymétrique, du nettoyage des mesures aberrantes et d’intégration en base de données, dure en moyenne un an et demi. La présente collaboration de recherche entre Shom, INRIA et IMT a pour objectif de mettre en place une chaîne de traitement automatique ou semi-automatique d’extraction de l’information utile au sein de nuages de points bathymétriques (acquis par Lidar ou sondeur multifaisceaux). Les gains de temps attendus ne devront pas occulter les besoins d’explicabilité et de fiabilité. La démarche scientifique entamée consiste à tirer parti des méthodes d’IA par apprentissage profond appliquées aux nuages de données géospatiales de bathymétrie. La thèse en cours élabore l’approche méthodologique et propose des preuves de concepts. L’ingénieur de recherche participera à leur passage à l’échelle, à leur évaluation, et le cas échéant à leur opérationnalisation (mise à disposition vers les opérateurs), en prenant soin de de fournir un protocole détaillé et chiffré, en matière de complexité algorithmique, volume, stockage, architecture, des différentes opérations nécessaires tout au long du cycle de vie du système IA proposé, depuis le recueil de la donnée jusqu’à l’affichage des résultats à l’opérateur. Assignment Le programme de travail de la thèse se divise en 3 axes : • Elaboration d’un ensemble de descripteurs à partir de données SMF et LIDAR ; • Conception d’architectures d’apprentissage automatique par régression pour la prévision du fond marin à partir des descripteurs ; • Approche portfolio et explicable pour une aide à la décision de l’hydrographe. Comme indiqué précédemment, l'ingénieur viendra en appui de cette thèse. Son rôle sera : • d'affiner les modèles et les descripteurs conçus par le doctorant ; • de gérer le passage à l'échelle dans la structuration de la donnée et dans l'entraînement des modèles ; • de transformer le code en un prototype fonctionnant dans son environnement de destination et intégré aux outils du Shom : • de mettre en place l'évaluation du prototype par les opérateurs du Shom et de prendre en compte les retours utilisateur. Main activities Dans l’axe 1, l’ingénieur aidera à : • Affiner la définition et le calcul des descripteurs pertinents et explicables caractérisant les données géospatiales LIDAR. Plusieurs classes de descripteurs seront considérées : des quantités statistiques ou fonctionnelles, des dictionnaires à base de partitionnement, enfin des méthodes neuronales. • Favoriser un passage à l’échelle (structuration de la donnée / parallélisation) dans le calcul de ces descripteurs sur des larges volumes de données (plusieurs millions voire des dizaines de millions de points), puis sur des ensembles de zones. Dans l’axe 2, le but sera d’optimiser les preuves de concepts des modèles prédictifs proposées dans le cadre de la thèse. Dans ce cadre L’ingénieur devra : • Industrialiser ces architectures, optimiser les réglages fins des hyperparamètres, structurer les protocoles d’expérimentation/validation. Dans l’axe 3, alors que les travaux de thèse viseront à sélectionner le meilleur modèle prédictif à utiliser en fonction des caractéristiques intrinsèques des données et l’exploitation attendue de l’information bathymétrique générée et des capacités explicatives du modèle, les travaux de l’ingénieur viseront à : • Intégrer les développements et permettre une validation en aval par les opérateurs en conditions réelles de traitement. • Prendre l’initiative dans l’élaboration et la mise en place de protocoles d’évaluation des outils par les opérateurs, ainsi qu’au dépouillement et à l’analyse des résultats obtenus et des retours d’expérience. Skills Compétences techniques et niveau requis : • de solides bases en apprentissage automatique et en apprentissage profond ; • une bonne maîtrise du langage Python et des bibliothèques Sklearn, PyTorch et TensorFlow ; • une expérience réelle de mise en place de chaînes MLOps ; • des connaissances en traitement de données géospatiales (notamment nuages de points) seraient un plus ; • optionnel : une maîtrise des bibliothèques de traitement de données volumineuses comme Dask, Xarray ou Zarr. Langues : francais ou anglais Compétences relationnelles : être capable de discuter à la fois avec les experts en apprentissage profond et avec les opérateurs sur le terrain ; être capable de collaborer étroitement avec le doctorant tout au long du projet, avec un partage clair des tâches. Benefits package • Restauration subventionnée • Transports publics remboursés partiellement • Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement) • Possibilité de télétravail et aménagement du temps de travail • Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.) • Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria) • Accès à la formation professionnelle Remuneration Selon le profil, l'expérience et les grilles de rémunération applicables aux agents contractuels. Apply for this position Share • Facebook • Linkedin • Twitter • Email General Information • Theme/Domain : Interaction and visualization Software engineering (BAP E) • Town/city : Palaiseau • Inria Center : Centre Inria de Saclay • Starting date : 2026-11-01 • Duration of contract : 12 months • Deadline to apply : 2026-10-31 Warning : you must enter your e-mail address in order to save your application to Inria. Applications must be submitted online on the Inria website. Processing of applications sent from other channels is not guaranteed. Instruction to apply Defence Security : This position is likely to be situated in a restricted area (ZRR), as defined in Decree No. 2011-1425 relating to the protection of national scientific and technical potential (PPST).Authorisation to enter an area is granted by the director of the unit, following a favourable Ministerial decision, as defined in the decree of 3 July 2012 relating to the PPST. An unfavourable Ministerial decision in respect of a position situated in a ZRR would result in the cancellation of the appointment. Recruitment Policy : As part of its diversity policy, all Inria positions are accessible to people with disabilities. Contacts • Inria Team : GEOMERIX • Recruiter : Oudot Steve / Steve.Oudot@inria.fr The keys to success Compétence, motivation, capacité d'écoute et de collaboration, curiosité pour la bathymétrie. About Inria Inria, the French national institute for research in digital science and technology, supports the French government in national research and innovation strategies in the digital field, acting as Digital Programs Agency. Inria leads over 300 research and innovation projects with its 3,500 scientists, engineers, and support staff, in partnership with universities and the digital ecosystem (businesses, entrepreneurs, and public stakeholders). Together, we explore strategic fields such as artificial intelligence, cybersecurity, quantum computing, cloud technologies, digital transformation in healthcare, digital twins, and digital technologies for defence. We develop practical solutions such as software, tech startups, partnerships with national companies, and cutting-edge training programmes. Our goal is to drive scientific, technological, and industrial excellence to ensure France’s digital sovereignty.