Les missions du poste

*
Nettoyage & Documentation du code existant.
*
Mise en place d'un framework d'évaluation (RAGAs/TruLens).
*
Optimisation RAG : Meilleur parsing de tableaux, amélioration du retrieval et prompt engineering.
*
Amélioration Vocale : Tests de modèles Whisper (STT) et Coqui TTS (TTS/Clonage).
*
Démonstration : Création d'une interface (Streamlit/Gradio) et exploration multimodale.
* Environnement technologique:
*
Python 3, LangChain, Ollama (Llama 3.1, Mistral), FAISS, PyMuPDF, Whisper, Coqui TTS.

Étudiant(e) en dernière année d'école d'ingénieur ou Master 2 (Bac +5) en Informatique.
Spécialisation en Intelligence Artificielle, Data Science ou Traitement du Langage Naturel (NLP).
Compétences techniques nécessaires:
Excellente maîtrise du langage Python et de son écosystème scientifique.
Solide compréhension théorique et pratique du Machine Learning, Deep Learning et NLP (embeddings, LLMs).
Connaissance des concepts de l'architecture RAG.
Compétences souhaitables :
Expérience avec des frameworks comme LangChain.
Connaissance des bases de données vectorielles (ex: FAISS).
Utilisation de LLMs locaux (ex: via Ollama) ou Cloud (API).
Notions en parsing PDF (ex: PyMuPDF) et en interaction vocale (Whisper, Coqui TTS).
Expérience avec Streamlit ou Gradio.
Vous
Curiosité technique et goût prononcé pour l'expérimentation
Autonomie, rigueur et capacité à résoudre des problèmes complexes
Bonnes capacités d'analyse et de synthèse

Bonne communication (écrite et orale) et anglais technique (lecture de documentation).