10 months ago
Paris, FranceIntern
Responsibilities
- Concevoir, fine-tuner et évaluer des modèles de langage pour la classification d’intentions, la génération de réponses et le résumé de tickets.
- Entraîner et valider des pipelines NLP sur des données réelles de conversations clients.
- Utiliser des GPU H100 via Scaleway pour accélérer les expérimentations et l’entraînement des modèles.
- Collaborer avec les agents du support technique pour comprendre leurs besoins et faire évoluer l’assistant conversationnel.
- Documenter les expérimentations, résultats et pipelines afin d’assurer leur reproductibilité et le transfert de connaissances.
Requirements
- Être en dernière année d’école d’ingénieur ou de master en informatique, data science, IA ou domaine équivalent.
- Maîtriser les fondamentaux du Machine Learning, notamment l’apprentissage supervisé, l’évaluation des modèles, la gestion du surapprentissage et les pipelines de données.
- Avoir manipulé des LLM ou des transformers via Hugging Face, ou avoir réalisé des projets NLP de classification, tagging ou génération.
- Posséder une expérience pratique avec PyTorch ou TensorFlow et être à l’aise avec Python pour la data, notamment pandas et scikit-learn.
- Avoir travaillé sur des données textuelles bruitées ou mené des projets en NLP.
- S’intéresser au fine-tuning, à LoRA, QLoRA, RAG, au prompting avancé ou à l’évaluation automatisée des LLM.
- La connaissance de plateformes cloud comme AWS, GCP ou Scaleway et d’outils MLOps comme Weights & Biases ou MLflow constitue un plus.
- Être autonome, rigoureux, curieux, collaboratif et capable de communiquer clairement en français et en anglais technique.
Benefits
- Immersion dans un projet concret d’IA conversationnelle à fort impact opérationnel.
- Accès à des GPU H100 via Scaleway pour entraîner des modèles à grande échelle.
- Encadrement technique par des experts en Machine Learning et data science.
- Opportunité de construire, déployer et évaluer des modèles sur des données réelles.
- Stage en présentiel avec visite des locaux et rencontre de l’équipe dataX et des agents du support.
Tech Stack
Categories
