ST PELLENC – DOCTORANT: MACHINE LEARNING / MATHEMATIQUES APPLIQUEES (F/H)

st pellenc _ Doctorant :
Machine Learning / Mathématiques Appliquées (F/H)


Contexte

PELLENC ST conçoit et fabrique en France des équipements de tri optique de hautes technologies,
destinés au tri des déchets et à l’industrie du recyclage. Avec un parc installé de plus de 1 800 machines
dans le monde entier, notre société occupe une position de leader reconnue.
En pleine expansion, notre entreprise performante et dynamique recherche un(e) Doctorant :
Machine Learning / Mathématiques Appliquées (H/F) sur le site de Pertuis.

Mission

Dans le cadre de projets de recherche visant à améliorer les performances de tri des déchets et à
développer les technologies innovantes pour nos futures machines, nous proposons un sujet de thèse
basé sur l’apprentissage profond actif appliqué aux images hyper-spectrales.
Actuellement, une des tâches les plus chronophage dans les étapes de la calibration d’un modèle est
l’annotation des données. Cette limitation est d’autant plus forte pour des tâches d’annotations
complexes qui nécessitent l’intervention d’experts. Une solution envisagée par PELLENC ST est
d’intégrer dans les processus d’annotations des données une méthode d’apprentissage actif.
Actuellement, les solutions d’apprentissage actif dans le cadre du traitement des données chimiques
(chimiométrie) et plus particulièrement pour le traitement d’images hyper-spectrales ne sont que très
peu étudiées. Néanmoins, la chimiométrie regroupe un ensemble de sous-domaines dont fait partie
les plans d’expériences. Les méthodes développées dans le domaine des plans d’expériences ont des
objectifs similaires aux méthodes développées dans l’apprentissage actif : définir un nombre minimum
d’individus qui permettent d’extraire un maximum d’informations des données. L’objectif de cette
thèse est donc d’intégrer des connaissances issues des plans d’expériences afin de proposer des
solutions d’apprentissage actif, performantes pour la classification d’image hyper-spectrales. Dans ce
contexte, avec la supervision de PELLENC ST et l’université d’Aix-Marseille spécialisé dans le
développement de plans d’expériences, vos principales missions consisteront à :

• Évaluer les grandes familles de méthodes d’apprentissage actif pertinentes pour le
traitement des images hyper-spectrales et mettre en évidence leurs propriétés et limitations.
• Évaluer les grandes familles de méthodes de conception expérimentales optimales pour
l’amélioration des méthodes d’apprentissage actif
• Réaliser des rapports bibliographiques sur l’apprentissage actif et les connaissances de
conception expérimentale optimale.
• Élaborer et implémenter des nouveaux algorithmes d’apprentissage actifs pour des données
de spectrométrie (chimiométrie)

Profil

Vous êtes ingénieur spécialisé en mathématiques appliquées, machine learning et/ou traitement du
signal et de l’image.
Vous avez une bonne maitrise des outils de développement informatique (Python, C++).
Vous êtes dynamique et disposez d’un fort esprit d’initiative.
Vous maîtrisez le français et l’anglais oral et écrit dans un contexte professionnel.

Qualités requises pour le poste :

Vous disposez d’une réelle appétence pour les nouvelles technologies, la recherche et vous souhaitez
participer activement au développement de nouvelles solutions de tris.
De nature rigoureuse, autonome et proactive, vous êtes prêts à relever des défis et vous vous
intéressez aux enjeux et secteur du recyclage.
Vous souhaitez également intégrer une entreprise Française industrielle et internationale.

Langues : Français & anglais courant

conditions

Nature du contrat : CDD

Date de début  : Dès que possible

Localisation : Pertuis (à 20 minutes d’Aix en Provence)

Pour postuler

Pour postuler, merci d’envoyer vos candidatures à l’adresse recruitment@pellencst.com

Contact : recruitment@pellencst.com

 

Privacy Settings
We use cookies to enhance your experience while using our website. If you are using our Services via a browser you can restrict, block or remove cookies through your web browser settings. We also use content and scripts from third parties that may use tracking technologies. You can selectively provide your consent below to allow such third party embeds. For complete information about the cookies we use, data we collect and how we process them, please check our Privacy Policy
Youtube
Consent to display content from Youtube
Vimeo
Consent to display content from Vimeo
Google Maps
Consent to display content from Google
Spotify
Consent to display content from Spotify
Sound Cloud
Consent to display content from Sound