Stage - Intelligence Artificielle Et Deep Learning (F/H)

Chaque jour, nous fournissons à nos clients **des composants**, **des équipements** et **des systèmes de mesure et d’observation** qui participent à l’effort collectif de création d’une industrie durable et d’une souveraineté européenne.

**Nous répondons aux enjeux de notre monde** : la sécurité des hommes et des nations, la protection de l’environnement, la sécurisation de la production d’énergie décarbonée, l’amélioration de la connaissance scientifique.

Nous adressons des **marchés à forte valeur ajoutée** : Défense et Sécurité, Nucléaire Civil, Environnement, Spatial et Grands Instruments Scientifiques, Santé et Sciences du Vivant

Nos **1000 collaborateurs et collaboratrices** partagent une volonté d’excellence, au service de solutions technologiques remarquables et innovantes.

Notre **chiffre d’affaires 2024** s’élève à 178 millions d’euros.

Basé principalement en région parisienne et en région Sud, le **Groupe Bertin Technologies** possède des filiales opérationnelles en **Europe** (Allemagne, Italie, Royaume-Uni, Suède, Finlande, République, Slovaquie), ainsi qu’aux **Etats-Unis** et en **Asie**.

Nous vous invitons à rejoindre une **aventure technologique unique** initiée en **1956** par l’ingénieur visionnaire **Jean Bertin**. Venez exprimer vos compétences et votre personnalité au sein d’une organisation dynamique, ambitieuse et souple, qui place l’humain au cœur de ses réussites.

**Description du poste**:
Pour nous aider à atteindre nos objectifs de performance, notre ambition se poursuit et nous renforçons nos équipes au sein de notre Business Unit Bertin Photonics (BPH) alors **rejoignez-nous**en tant que **Stagiaire en Intelligence Artificielle et Deep Learning F/H**

Bertin Technologies développe et fabrique **une gamme de caméras thermiques, appelée CamSight**, ultra-compacte et présentant une très faible consommation électrique. Ces caméras peuvent être intégrées dans de nombreux systèmes d’observation, en particulier des réseaux de capteurs déposés dont le rôle est la surveillance de zones sensibles (figures ci-dessus).

Ces caméras intègrent actuellement des traitements intelligents de détection / classification d’objets (personnes ou véhicules) dans les images, à partir d’algorithmes basés sur le Deep Learning.

Par l’intermédiaire de ses travaux internes, ou au travers d’échanges avec des organismes partenaires, Bertin Technologies dispose actuellement de plusieurs modèles, fonctionnant dans le domaine infrarouge (IR) thermique.

Plusieurs de ces modèles ont déjà été portés **dans la plateforme matérielle cible**, compatible des contraintes de compacité et de consommation électrique attendues dans le système final (architecture basée sur un FPGA). Ce portage a nécessité la mise en œuvre de techniques adaptées d’optimisation - d’élagage (_pruning_) et de quantification (_quantization_) - de ces réseaux afin d’en réaliser une optimisation plus avancée et d’en limiter l’occupation mémoire et la consommation électrique.

En s’appuyant sur le travail déjà réalisé, la présente proposition de stage s'intéresse maintenant aux** techniques avancées d’optimisation avant leur déploiement sur cible**embarquée, dans le but de progresser sur les aspects _pruning_ et _quantification_, et cela quelle que soit la cible matérielle visée. Par exemple:

- Travailler sur le pruning de modèle avec en particulier le développement d’une chaine de « Pruning Aware Training » ;
- Travailler sur la quantification avec en particulier le développement d'une chaine de « Quantization Aware Training ».

En nous rejoignant dans le cadre de ce stage, vos missions seront les suivantes:

- Au sein des équipes en charge du développement algorithmique, de reprendre la main sur les travaux déjà engagés chez Bertin Technologies, d’élagage et de quantification de réseaux de neurones, actuellement appliqués à des réseaux de neurones de détection d’objets (famille YOLO).
- D’adapter / de compléter ces outils d’optimisation avec de nouvelles familles de techniques, et:

- D’identifier et se doter des outils adéquats, éventuellement manquants actuellement ;
- De mettre en œuvre des techniques adaptées d’élagage (_pruning_) et de quantification (_quantization_) de ces réseaux ;
- De relancer si besoin des processus d’entrainement du réseau de neurones de tracking dans des phases éventuelles de _fine tuning_ ;
- Les travaux seront réalisés en langage Python sous Pytorch

- Au sein des équipes en charge du développement des architectures embarquées pour les produits optroniques, de réaliser l’intégration d’au moins un des modèles identifiés dans la plateforme matérielle finale (de type FPGA), pour réaliser le portage temps-réel de ce modèle
- Les travaux seront réalisés à partir d’un SDK en langage C, associé à la plateforme matérielle intégrant le FPGA

- De comparer les performances finales obtenues avec le modèle avant / après portage et travailler à limiter la perte de performances de réseaux après optimisation / portage.

L