POST-DOC INGENIEUR-E DEEP LEARNING F/H

Votre rôle sera de continuer le développement de modèles multimodaux images (façade, aérien et satellite) / données tabulaires (et potentiellement LLM) appliqués aux bâtiments, issus d’un précédent post-doc. Ce postdoc a pour objectif d’étendre les travaux du post doc précédant : Explorer les sujets algorithmiques sur l’entrainement multimodale et son exploitation dans le cadre de la prédiction de données manquantes à partir d’images afin d’en améliorer la performance. Et étendre le contexte aux bâtiments tertiaires, dont le niveau de description est très faible. Développer des modèles de bâtimentS multimodaux. Les résultats devront permettre à nos ingénieurs et à nos utilisateurs de capitaliser différentes modalités de données Magal bâtimentaire (tabulaire, image, texte…) pour les tâches aval de machine learning telles que : prédiction de typologies de bâtiment (classification, clustering) recherche et interaction avec la description du bâtiment en langage naturel recherche par similarité (Retrieval Augmented Generation ou RAG)

Vous êtes titulaire d’un doctorat dans le domaine du deep learning appliqué à l’image. Vous êtes familier avec les techniques du type Vision transformer et les approches multimodales (ex : ImageBind). Vous êtes à l’aise avec le stack python scientifique (pandas, numpy, scikit learn, pytorch). Connaissances appréciées : Tensorboard, mlflow, dagster , dbt Technologies de base de données relationnelles (SQL) git, gitlab Vous disposez d’une aptitude au travail en équipe. Vous faites preuve de rigueur et disposez d’un sens de l’organisation. Vous avez un esprit critique et vous êtes force de proposition. Vous disposez de capacités rédactionnelles et vous avez un esprit de synthèse. Vous faites preuve de curiosité et de créativité. Vous souhaitez être acteur d’un monde qui change, rejoignez-nous !

La direction Energie Environnement, composée de 120 ingénieurs et chercheurs passionnés recherche un(e) Post-Doc talentueux(se) pour rejoindre l’équipe IDPB en charge de la Base de Données Nationale des Bâtiments (https://bdnb.io).