Ingénieur(e) en informatique appliquée à la vision par ordinateur (H/F)

Si vous êtes un-e ingénieur en computer vision avec 1 an d'expérience minimum en ML ou en validation statistique de dispositifs médicaux ML, la suite va vous intéresser !

Les missions du Machine Learning Engineer : - Maintenir et développer les procédures de validation statistique des réseaux ML dans un cadre de dispositif médical - Suivre les évolutions réglementaires et mettre en place les outils et les méthodologies correspondantes - Développer, maintenir et diffuser les outils statistiques au sein de l'équipe ML - Développer et améliorer des modèles ML répondant aux besoins de Dental Monitoring - Évaluer les performances et les limites de ces modèles - Déployer ces modèles sur notre environnement de production - Mettre en place un système pour monitorer les performances de modèles déployés - Documenter le processus de recherche via des rapports de recherches - Maintenir les produits existants - Suivre la veille technologique afin d'innover - Partager les meilleures pratiques ainsi que vos expériences avec l'équipe

Ce job est fait pour vous si : - Vous avez suivi une formation scientifique type Master, Doctorat ou Diplôme d'ingénieur ou bien formation équivalente - Vous avez une première expérience en deep learning ou en validation statistique de dispositifs médicaux - Vous êtes familier avec les frameworks de deep learning (Tensor Flow, Keras, PyTorch) ou les méthodes de tests statistiques (Tango, t-test, procédure de Hochberg) - Vous êtes complètement opérationnel-le sur un environnement Linux, Python et Git. - Vous êtes autonome, adaptable et animé-e par l'envie d'apprendre - Vous êtes à l'aise avec le travail en équipe et réceptif aux feedbacks - Vous avez un esprit critique vis-à-vis des résultats - Vous recherchez un environnement scale-up / start-up où vous pouvez faire preuve de polyvalence et prendre des initiatives - Vous avez un niveau minimum B2 en Anglais et C2 en Français

Encore mieux si :

- Vous connaissez ONNX Runtime, Tensor Flow Lite ou L