Conception d’une approche d’évaluation de volume critique d’images en fonction des performances attendues en Computer Vision
Créer un benchmark du volume d'images minimum requis pour une performance acceptable en fonction de différentes problématiques de Computer Vision

Missions

  • Analyser l’état de l’art afin d'identifier les métriques d’évaluation d’images ainsi que les problématiques de Computer Vision.
  • Identifier une problématique et des datasets présentant une variabilité d’images.
  • Évaluer les métriques identifiées
  • Implémenter une approche générant un interval de confiance de volume critique
  • Capitaliser l’approche afin de rédiger un article de recherche et une offre Octo

Conditions

Type of internship:Stage de fin d'études
Location:Paris
Salary:1500 € bruts
Date:2021

Profile

  • F/H
  • Vous avez une formation en Data Science niveau Bac+5 (Machine Learning, Deep Learning, Computer Vision)
  • Vous savez développer en Python
  • Vous connaissez Tensorflow, Keras ou Pytorch (Au moins un des trois)
  • Une connaissance sur les approches de Computer Vision est un plus
  • Vous êtes motivé(e) par l’exploration, l’identification et l’implémentation de solutions à l’état de l’art et par la conception de nouvelles approches
  • Bien que focalisé sur les aspects Data Science, vous êtes prêt(e) à présenter votre solution à divers clients

Context

L’utilisation du Deep Learning dans le contexte de la Computer Vision est fortement liée à la volumétrie des images à disposition. L’identification d’un volume critique de convergence des approches est une problématique récurrente qu’on cherchera à approximer.

Internship target

Etape 1 : Exploration de l'état de l’Art
Vous analyserez l’état de l’art afin de déterminer des métriques analysant la corrélation entre le volume de données et les performances des approches de Computer Vision.

Etape 2 : Identification de la problématique et des Datasets
Recherche de dataset qui serviront à évaluer les performances des approches en fonction des métriques, de la complexité des images et des problématiques
Etape 3 : Analyse des différentes métriques
En fonction des problématiques, il sera demandé d’implémenter et d’évaluer les diverses métriques
Etape 4 : Développement et implémentation d’une approche d’évaluation
Une approche empirique basée sur l’exploitation des métriques, les analyses exploratoires des datasets ainsi que l’évaluation qualitative des problématiques permettra une approximation du volume critique d’image pour la convergence des algorithmes

Etape 5 : Capitalisation du travail effectué
La solution développée pourra faire l’objet de la rédaction d’un article de recherche et être ajoutée dans les offres Octo dédiées à la Computer Vision

Pour postuler : recrutement-stage@octo.com

Management

Vous effectuerez votre stage au sein des tribus Machine Learning Expertise et Applied Intelligence, Data Science & Data Advisory et serez encadré(e) par deux Octos (experts en Computer Vision et en Business Data Science). Vous serez suivi tout au long de votre projet (points hebdomadaires, soutien de la communauté Octo)