Job Specifications
Notre entreprise développe une solution de surveillance intelligente combinant captation vidéo en milieux aquatiques et analyse automatique via des modèles de Machine Learning.
Le stage s’inscrit au cœur de notre R&D : concevoir un pipeline capable de détecter des anomalies dans des flux vidéo en conditions réelles.
Missions
Le·la stagiaire interviendra sur l’ensemble de la chaîne d’analyse vidéo, de la recherche scientifique à la mise en production :
1. Analyse et préparation des données
Collecte, organisation et annotation de jeux de données vidéo.
Extraction d’éléments d’intérêt (tracking, segmentation, optical flow…).
Mise en place d’outils de visualisation et d’exploration.
2. Développement de modèles de Machine Learning
Benchmark et évaluation de méthodes de détection d’anomalies :
Modèles 3D CNN, Vision Transformers (ViT), SloMo, etc.
Méthodes non supervisées / semi-supervisées.
Expérimentation, optimisation, amélioration continue des modèles.
Benchmark et évaluation de méthodes avancées de détection d’anomalies : modèles 3D CNN (3D Convolutional Neural Networks), Vision Transformers (ViT), SloMo, etc.
Implémentation de techniques non supervisées et semi-supervisées adaptées aux données vidéo.
Expérimentation, optimisation des hyperparamètres et amélioration continue des performances des modèles.
3. Développement logiciel & intégration
3. Développement logiciel & intégration
Conception d’un pipeline d’inférence temps réel ou quasi temps réel.
Intégration avec notre backend ML.
Conception d’un pipeline d’inférence vidéo en temps réel adapté à un environnement embarqué.
Intégration fluide avec notre backend Machine Learning déployé sur serveurs GPU.
Utilisation de conteneurisation via Docker pour faciliter le déploiement et la scalabilité.
Compétences recherchées
Techniques
Solides bases en Machine Learning et Deep Learning.
Connaissances en Computer Vision : traitement d’images/vidéos, tracking, modèles spatio-temporels.
Maîtrise de Python et des frameworks :
PyTorch (idéalement), TensorFlow ou équivalents.
OpenCV, NumPy, scikit-learn.
Compréhension des architectures vidéo (3D CNN, LSTM, Transformers…).
Compléments appréciés
Notions de traitement temps réel / optimisation GPU.
Intérêt pour les environnements aquatiques, la biologie marine ou l’écologie (non obligatoire).
Expérience sur des projets vidéo complexes.
Profil recherché
Étudiant·e en Master 2, Ingénierie, IA, Data Science, Informatique, Traitement du signal ou disciplines équivalentes. (Master MVA -Mathématiques Vision Apprentissage- grandement apprécié)
Esprit de recherche, curiosité, rigueur scientifique.
Autonomie, capacité à expérimenter et à proposer des solutions.
Aisance dans le travail en équipe R&D.
Ce que nous offrons
Encadrement par un ingénieur spécialisés 1,5 jours par semaine.
Encadrement scientifique assuré par l'École Nationale de Ponts et Chaussées.
Accès à des ressources GPU hautes performances.
Un environnement dynamique, innovant et ouvert à l’expérimentation.
Un bureau au Perqo situé au siège de la région IDF à Saint-Ouen (Ligne 14- Rer C)
Possibilité d’être recruté pour un doctorat à la suite du stage.
Informations pratiques
Durée : 6 mois.
Lieu : 2 RUE SIMONE VEIL 93400 SAINT-OUEN-SUR-SEINE.
Rémunération : Indemnités de stage.
Démarrage : Avril 2026.
About the Company
Hydro-K Détection est un projet de monitoring environnemental et d’analyse de signal vidéo par intelligence artificielle. Ce projet consiste à utiliser un réseau de caméras existantes ou de déployer un dispositif de caméras spécialisées dont les images sont analysée par une intelligence artificielle, permettant la détection en temps réels de polluants et de collecter des donnés et statistiques. Cette solution répond à un besoin de monitoring pour les autorités portuaires et autres zones aquatiques, permettant d’être alerté ...
Know more