Finalité du poste
Rejoignez une équipe innovante travaillant sur des outils de phénotypage à haut débit à partir d'images drones. Vous contribuerez à l'évolution d'un package Python utilisé dans une plateforme interne pour le traitement et l'analyse automatisée de données d'imagerie à grande échelle.
Ce stage vous permettra de développer des compétences en architecture logicielle, optimisation de performances, analyse d'images, traitement de données massives et industrialisation de solutions via Azure DevOps et Docker.
Vos Missions
Encadré(e) par Pauline et en collaboration avec les équipes d'analyse d'images, de data science et de phénotypage, vous aurez pour mission de :
• Refactoriser et harmoniser plusieurs modules d'analyse Python afin de les intégrer dans une architecture logicielle commune.
• Identifier et mutualiser les fonctions génériques utilisées par différentes chaînes de traitement.
• Comparer et challenger différentes implémentations existantes afin d'améliorer la maintenabilité et la robustesse du code.
• Optimiser les performances de lecture, traitement et analyse de données géospatiales volumineuses (plusieurs Go par acquisition).
• Participer à l'industrialisation du déploiement via Azure DevOps, Docker et pipelines CI/CD.
• Proposer des améliorations sur les aspects architecture logicielle, parallélisation et gestion des ressources de calcul.
Ce que nous attendons de vous
Élève ingénieur(e) en dernière année ou étudiant(e) en Master 2 avec une spécialisation en :
• Développement logiciel
• Informatique appliquée
• Data Science
• Vision par ordinateur
• Traitement d'images
Vous disposez idéalement de compétences en :
• Python avancé
• Architecture logicielle et qualité de code
• Manipulation de données volumineuses
• Git et développement collaboratif
• Analyse d'images ou géotraitement
Une expérience avec Docker, Azure, les traitements parallèles ou les données géospatiales serait un plus.
Personnalité :
Nous recherchons avant tout une personne minutieuse, curieuse et force de proposition, intéressée par :
• l'optimisation de code et des performances ;
• la conception d'architectures logicielles robustes ;
• l'analyse critique d'algorithmes existants ;
• l'industrialisation de solutions de traitement de données ;
• l'application de ces développements à des problématiques concrètes de phénotypage végétal.
Un bon niveau d'anglais est nécessaire pour évoluer dans un environnement international.