Michelin Manufacturing

Stage développeur : Data Mining & traitement d'image pour la microscopie (F/H) Clermont-Fd

Clermont-Ferrand, France In person Full-time
  • Stage développeur : Data Mining & traitement d'image pour la microscopie (F/H) Clermont-Fd
  • Location: Clermont-Ferrand
  • Stage développeur : Data Mining & traitement d'image pour la microscopie (F/H) Clermont-Fd
  • - - - - - - - - - - -
  • Type de contrat : stage conventionné de 6 mois maximum
  • Niveau d’études : BAC+5 dans le domaine (computer vision, data science ou domaine connexe)
  • Date de début : à compter de février 2027
  • Lieu de travail : R&D Michelin site de Ladoux

Contexte

Pour son campus basé en Auvergne, Michelin propose un stage au sein de son département d’Expertises Physico-Chimiques afin de développer un composant de data mining pour des images de microscopie.

L'objectif : explorer, trier et structurer automatiquement des images hétérogènes sans disposer d'annotations préalables.

Dans le cadre d'un projet d'analyse de matériaux, nous développons une approche de data mining applicable à plusieurs natures d'images de microscopie (optique, MEB, MET, …) aux échelles et aux contrastes variés. Ces images ne sont pas annotées a priori ; l'expertise des microscopistes intervient ponctuellement pour valider les résultats.

Les récentes avancées en apprentissage auto-supervisé et en modèles de fondation pour la vision ouvrent de nouvelles perspectives pour traiter ce type de données sans labels.

Mission

  • Au sein du département d’Expertises Physico-Chimiques de notre Centre de Recherches et Développement de Clermont-Ferrand (63), vous aurez en charge un projet de développement en python. Vous serez amené·e à :
  • Échanger avec les experts microscopie et formaliser les besoins d'exploration des images
  • Réaliser un état de l'art (classification, apprentissage auto-supervisé, modèles de fondation, clustering, apprentissage actif)
  • Faire émerger, à partir d'une modalité d'imagerie donnée (ex : images MEB), les différents types d'images et de matériaux présents, et en déduire un outil de recherche/classification permettant de retrouver l'ensemble des images d'un même type
  • Au sein d'un même type de matériau, identifier des sous-structures distinctes (segmentation non ou faiblement supervisée) et proposer un détecteur/classifieur de ces sous-structures
  • Intégrer la validation experte ponctuelle dans la boucle (apprentissage actif, annotation minimale) et évaluer la robustesse des résultats
  • Mettre à disposition les méthodes sous forme d'une librairie python documentée
  • Les approches retenues seront comparées sur la base d'indicateurs quantitatifs et de la validation par les experts. L'extraction de métriques sur les objets segmentés constituera une suite naturelle du projet
  • Vous serez rattaché·e fonctionnellement à un tuteur technique et hiérarchiquement à un manager d’équipe.

Livrables

  • Une librairie python (méthodes d'exploration, de classification et de segmentation) et sa documentation
  • Un outil permettant d'interroger un jeu d'images (ex : retrouver toutes les images, toutes les parties d’images, exprimant une caractéristique particulière)
  • Une synthèse détaillant l’ensemble du travail réalisé pendant le stage
  • Une présentation interne en fin de stage
  • Compétences requises et profil recherché
  • Programmation scientifique en Python (numpy, tensorflow ...)
  • Machine learning et deep learning appliqués à l'image
  • Traitement d'images
  • Notions de microscopie appréciées

CI/CD

  • (optionnel) Utilisation de ressources de calcul HPC / GPU
  • Il ou elle devra faire preuve de rigueur scientifique et d’autonomie afin de mener à bien ses travaux.
  • Comportements attendus

Curiosité

Autonomie

  • Travail en équipe
  • Esprit critique et sens de la validation des résultats
  • Compétences développées au cours du stage
  • Découverte du milieu industriel dans le cadre de projet de recherche appliquée
  • Apprentissage non supervisé et auto-supervisé sur données réelles
  • Traitement d'images de microscopie
  • Programmation scientifique
  • Synthèse de résultats

Processus de recrutement en 2 étapes

  • Premier entretien en visioconférence (45 min) pour l’entretien technique sur les compétences techniques
  • Deuxième entretien, si premier entretien positif, avec le service du personnel (RH)
  • Délais de traitement rapides et processus complet en moins de 30 jours selon vos disponibilités.
  • En poste, votre tuteur/tutrice vous accompagnera tout au long de votre stage afin de développer votre savoir-faire et savoir-être. Votre tuteur/tutrice vous proposera, si besoin, des formations complémentaires en adéquation avec vos missions.
  • Vous percevrez une gratification de stage mensuelle en fonction de votre niveau d’études.
  • Vous êtes intéressé(e) par cette opportunité, alors c’est le moment de postuler !
  • - - - - - - - - - - -
  • Michelin entreprise engagée dans la mobilité durable et reconnue pour ses actions en faveur de l’expérience employé !
  • Une note de 99/100 à l’index de l’égalité femmes-hommes
  • Entreprise « Handi accueillante », avec un réseau de référents et ambassadeurs Handicap pour vous accompagner
  • 83,5% de taux d’engagement de nos employés
  • 94,6% des stagiaires et alternants nous recommandent, label "Happy Trainees" depuis 9 années consécutives
  • Classé parmi les groupes du CAC 40 les plus engagés selon les Bac+5 à l’index RSE Universum 2023
  • Parmi les 100 entreprises les plus attractives pour les étudiants et actifs BAC+2/3 au classement Universum 2023
  • N°1 des entreprises de plus de 500 stagiaires et alternants qui rémunèrent le mieux au Classement HappyTrainees® Rémunération 2023
  • Dans le Top 10 des meilleurs employeurs en France au classement Glassdoor 2023
  • Dans le top 3 des entreprises du secteur « Automobile / Equipementier » en matière d’attractivité employeur à l’édition 2024 du Palmarès @EPOKA @GROUPE IFOP @Occurrence
  • Pour en savoir plus sur le Groupe :https://recrutement.michelin.fr
  • - - - - - - - - - - -

Job description provided by Michelin.
View the original posting