Stage Data Science - Données Eeg & Algorithmes Cliniques - Bioserenity H/F BioSerenity

Contexte

Reconnue comme l'une des start-ups les plus innovantes dans l'écosystème de la e-santé, Bioserenity développe des dispositifs médicaux connectés, des solutions de coordination des soins et des algorithmes d'IA de pointe. Rejoindre Bioserenity, c'est contribuer à des projets à fort impact, à l'intersection des défis médicaux et des technologies innovantes.

Notre équipe Data Science (plus de 15 membres) développe des algorithmes IA de diagnostic pour la neurologie et la médecine du sommeil. Un axe stratégique central est le développement de BioSerenity-E1, notre modèle de fondation EEG, qui vise à accélérer la création de nouveaux algorithmes cliniques sur l'ensemble du spectre de l'EEG.

Missions

Au sein du pôle IA/Data Science, vous contribuerez à l'expansion de notre infrastructure de données EEG et au développement d'algorithmes cliniques à partir de notre modèle de fondation. Ce stage couvre un spectre complet, de l'ingénierie des données jusqu'à l'évaluation clinique, en passant par la recherche appliquée en deep learning.

Ce stage est l'occasion de travailler sur un projet IA à fort impact scientifique et industriel. Vous travaillerez sur des données réelles annotées par des neurologues experts, sur des projets à impact direct sur les patients.

Missions clés :

• Intégration de datasets EEG externes : identification et sélection de datasets publics pertinents (PhysioNet, TUEG, etc.), développement des pipelines d'extraction, normalisation et intégration dans notre datalake (standardisation des formats EDF/HDF5, harmonisation des annotations, contrôle qualité).

• Construction de tâches downstream : implémentation de cas d'usage cliniques (classification de stades de sommeil, détection d'événements, patterns pathologiques, etc.) pour évaluer et démontrer la généralisation de BioSerenity-E1.

• Développement d'un biomarqueur EEG : analyse des signaux EEG cliniques annotés, entraînement et optimisation d'un modèle de détection (classification, segmentation, fine-tuning ou few-shot adaptation du modèle de fondation), validation selon des métriques cliniquement pertinentes.

• Évaluation comparative des modèles de fondation EEG : benchmark de BioSerenity-E1 et des modèles concurrents sur l'ensemble des tâches développées.

• Revue de littérature : état de l'art sur les modèles de fondation EEG, la détection de spikes épileptiques et les frameworks d'évaluation.

• Visualisation et communication des résultats : présentation lors de réunions pluridisciplinaires (IA, cliniciens, ingénieurs) ; possibilité de publication ou de participation à un congrès scientifique.

Compétences et expérience

Nous cherchons un·e étudiant·e en fin d'études (M2 ou école d'ingénieur), motivé·e par l'IA appliquée à la santé, à l'aise aussi bien avec la recherche appliquée qu'avec l'ingénierie des données.

Compétences techniques :

• Maîtrise de Python (pandas, numpy, scipy, sklearn, tensorflow/pytorch).

• Expérience en machine learning et deep learning (projets académiques ou professionnels).

• Expérience avec les transformers et/ou modèles de fondation.

• Compétences en ingénierie des données : pipelines ETL, formats de données (EDF, HDF5), contrôle qualité.

• Connaissance des bio-signaux (EEG, ECG, etc.) et du traitement du signal.

• Familiarité avec Git et les bonnes pratiques de développement logiciel.

Qualités humaines :

• Curiosité scientifique et rigueur dans l'analyse.

• Autonomie et capacité à gérer un projet technique avec de multiples composants.

• Esprit d'équipe et capacité à travailler dans un environnement pluridisciplinaire.

• Anglais courant (échanges techniques, littérature scientifique).

Informations pratiques

Type de contrat : Stage de fin d'études (6 mois).

Localisation : Paris 13e (accès facile en transports).

Avantages : Immersion dans une équipe experte, projets concrets à fort impact, possibilité de publication ou de participation à des congrès scientifiques.

Context

Bioserenity is recognized as one of the most innovative startups in the digital health ecosystem, developing connected medical devices, care coordination solutions, and cutting-edge AI algorithms. Joining Bioserenity means contributing to high-impact projects at the intersection of medical challenges and advanced technology.

Our Data Science team (15+ members) designs diagnostic AI algorithms for neurology and sleep medicine. A key strategic focus is BioSerenity-E1, our EEG foundation model, which aims to accelerate the development of new clinical algorithms across the full EEG spectrum.

Key Responsibilities

Within the AI/Data Science team, you will contribute to expanding our EEG data infrastructure and developing clinical algorithms on top of our foundation model. This internship covers the full pipeline, from data engineering to clinical validation, through applied deep learning research.

This is an opportunity to work on an AI project with both strong scientific and industrial impact. You will work on real data annotated by expert neurologists, on projects with direct patient impact.

Key missions:

• Integration of external EEG datasets: identification and selection of relevant public datasets (PhysioNet, TUEG, etc.), development of ETL pipelines for extraction, normalization, and integration into our datalake (EDF/HDF5 format standardization, annotation harmonization, quality control).

• Downstream task construction: implementation of clinical use cases (sleep stage classification, event detection, pathological pattern identification, etc.) to evaluate and demonstrate the generalization of BioSerenity-E1.

• EEG biomarker development: analysis of annotated clinical EEG signals, training and optimization of a detection model (classification, segmentation, fine-tuning or few-shot adaptation of the foundation model), validation using clinically relevant metrics.

• Comparative benchmarking: evaluation of BioSerenity-E1 and competing EEG foundation models across all developed tasks.

• Literature review: state of the art on EEG foundation models, epileptic spike detection, and evaluation frameworks.

• Results communication: presentation at multidisciplinary meetings (AI, clinicians, engineers); opportunity to publish or present at a scientific conference.

Skills & Experience

We are looking for a student nearing the end of their studies (Master's or engineering degree), motivated by AI applied to healthcare, comfortable with both applied research and data engineering.

Technical Expertise:

• Proficiency in Python (pandas, numpy, scipy, sklearn, tensorflow/pytorch).

• Experience in machine learning and deep learning (academic or professional projects).

• Experience with transformers and/or foundation models.

• Data engineering skills: ETL pipelines, data formats (EDF, HDF5), quality control.

• Knowledge of biosignals (EEG, ECG, etc.) and signal processing.

• Familiarity with Git and software development best practices.

Soft Skills:

• Scientific curiosity and rigorous analysis.

• Autonomy and ability to manage a complex technical project with multiple components.

• Team spirit and ability to work in a multidisciplinary environment.

• Fluent English (technical exchanges, scientific literature).

Practical Information

Contract type: End-of-studies internship (6 months).

Location: Paris 13th arrondissement (easy access by public transport).

Benefits: Immersion in an expert team, concrete high-impact projects, opportunity to publish or present at scientific conferences.

Reconnue comme l'une des start-ups les plus innovantes dans l'écosystème de la e-santé, Bioserenity développe des dispositifs médicaux connectés, des solutions de coordination des soins et des algorithmes d'IA de pointe. Rejoindre Bioserenity, c'est contribuer à des projets à fort impact, à l'intersection des défis médicaux et des technologies innovantes.

Notre équipe Data Science (plus de 15 membres) développe des algorithmes IA de diagnostic pour la neurologie et la médecine du sommeil. Un axe stratégique central est le développement de BioSerenity-E1, notre modèle de fondation EEG, qui vise à accélérer la création de nouveaux algorithmes cliniques sur l'ensemble du spectre de l'EEG.

Au sein du pôle IA/Data Science, vous contribuerez à l'expansion de notre infrastructure de données EEG et au développement d'algorithmes cliniques à partir de notre modèle de fondation. Ce stage couvre un spectre complet, de l'ingénierie des données jusqu'à l'évaluation clinique, en passant par la recherche appliquée en deep learning.

Ce stage est l'occasion de travailler sur un projet IA à fort impact scientifique et industriel. Vous travaillerez sur des données réelles annotées par des neurologues experts, sur des projets à impact direct sur les patients.

• Intégration de datasets EEG externes : identification et sélection de datasets publics pertinents (PhysioNet, TUEG, etc.), développement des pipelines d'extraction, normalisation et intégration dans notre datalake (standardisation des formats EDF/HDF5, harmonisation des annotations, contrôle qualité).

Intégration de datasets EEG externes : identification et sélection de datasets publics pertinents (PhysioNet, TUEG, etc.), développement des pipelines d'extraction, normalisation et intégration dans notre datalake (standardisation des formats EDF/HDF5, harmonisation des annotations, contrôle qualité).

• Construction de tâches downstream : implémentation de cas d'usage cliniques (classification de stades de sommeil, détection d'événements, patterns pathologiques, etc.) pour évaluer et démontrer la généralisation de BioSerenity-E1.

Construction de tâches downstream : implémentation de cas d'usage cliniques (classification de stades de sommeil, détection d'événements, patterns pathologiques, etc.) pour évaluer et démontrer la généralisation de BioSerenity-E1.

• Développement d'un biomarqueur EEG : analyse des signaux EEG cliniques annotés, entraînement et optimisation d'un modèle de détection (classification, segmentation, fine-tuning ou few-shot adaptation du modèle de fondation), validation selon des métriques cliniquement pertinentes.

Développement d'un biomarqueur EEG : analyse des signaux EEG cliniques annotés, entraînement et optimisation d'un modèle de détection (classification, segmentation, fine-tuning ou few-shot adaptation du modèle de fondation), validation selon des métriques cliniquement pertinentes.

• Évaluation comparative des modèles de fondation EEG : benchmark de BioSerenity-E1 et des modèles concurrents sur l'ensemble des tâches développées.

Évaluation comparative des modèles de fondation EEG : benchmark de BioSerenity-E1 et des modèles concurrents sur l'ensemble des tâches développées.

• Revue de littérature : état de l'art sur les modèles de fondation EEG, la détection de spikes épileptiques et les frameworks d'évaluation.

Revue de littérature : état de l'art sur les modèles de fondation EEG, la détection de spikes épileptiques et les frameworks d'évaluation.

• Visualisation et communication des résultats : présentation lors de réunions pluridisciplinaires (IA, cliniciens, ingénieurs) ; possibilité de publication ou de participation à un congrès scientifique.

Visualisation et communication des résultats : présentation lors de réunions pluridisciplinaires (IA, cliniciens, ingénieurs) ; possibilité de publication ou de participation à un congrès scientifique.

Nous cherchons un·e étudiant·e en fin d'études (M2 ou école d'ingénieur), motivé·e par l'IA appliquée à la santé, à l'aise aussi bien avec la recherche appliquée qu'avec l'ingénierie des données.

• Maîtrise de Python (pandas, numpy, scipy, sklearn, tensorflow/pytorch).

Maîtrise de Python (pandas, numpy, scipy, sklearn, tensorflow/pytorch).

• Expérience en machine learning et deep learning (projets académiques ou professionnels).

Expérience en machine learning et deep learning (projets académiques ou professionnels).

• Expérience avec les transformers et/ou modèles de fondation.

Expérience avec les transformers et/ou modèles de fondation.

• Compétences en ingénierie des données : pipelines ETL, formats de données (EDF, HDF5), contrôle qualité.

Compétences en ingénierie des données : pipelines ETL, formats de données (EDF, HDF5), contrôle qualité.

• Connaissance des bio-signaux (EEG, ECG, etc.) et du traitement du signal.

Connaissance des bio-signaux (EEG, ECG, etc.) et du traitement du signal.

• Familiarité avec Git et les bonnes pratiques de développement logiciel.

Familiarité avec Git et les bonnes pratiques de développement logiciel.

• Curiosité scientifique et rigueur dans l'analyse.

Curiosité scientifique et rigueur dans l'analyse.

• Autonomie et capacité à gérer un projet technique avec de multiples composants.

Autonomie et capacité à gérer un projet technique avec de multiples composants.

• Esprit d'équipe et capacité à travailler dans un environnement pluridisciplinaire.

Esprit d'équipe et capacité à travailler dans un environnement pluridisciplinaire.

• Anglais courant (échanges techniques, littérature scientifique).

Anglais courant (échanges techniques, littérature scientifique).

Type de contrat : Stage de fin d'études (6 mois).

Localisation : Paris 13e (accès facile en transports).

Avantages : Immersion dans une équipe experte, projets concrets à fort impact, possibilité de publication ou de participation à des congrès scientifiques.

Bioserenity is recognized as one of the most innovative startups in the digital health ecosystem, developing connected medical devices, care coordination solutions, and cutting-edge AI algorithms. Joining Bioserenity means contributing to high-impact projects at the intersection of medical challenges and advanced technology.

Our Data Science team (15+ members) designs diagnostic AI algorithms for neurology and sleep medicine. A key strategic focus is BioSerenity-E1, our EEG foundation model, which aims to accelerate the development of new clinical algorithms across the full EEG spectrum.

Key Responsibilities

Within the AI/Data Science team, you will contribute to expanding our EEG data infrastructure and developing clinical algorithms on top of our foundation model. This internship covers the full pipeline, from data engineering to clinical validation, through applied deep learning research.

This is an opportunity to work on an AI project with both strong scientific and industrial impact. You will work on real data annotated by expert neurologists, on projects with direct patient impact.

• Integration of external EEG datasets: identification and selection of relevant public datasets (PhysioNet, TUEG, etc.), development of ETL pipelines for extraction, normalization, and integration into our datalake (EDF/HDF5 format standardization, annotation harmonization, quality control).

Integration of external EEG datasets: identification and selection of relevant public datasets (PhysioNet, TUEG, etc.), development of ETL pipelines for extraction, normalization, and integration into our datalake (EDF/HDF5 format standardization, annotation harmonization, quality control).

• Downstream task construction: implementation of clinical use cases (sleep stage classification, event detection, pathological pattern identification, etc.) to evaluate and demonstrate the generalization of BioSerenity-E1.

Downstream task construction: implementation of clinical use cases (sleep stage classification, event detection, pathological pattern identification, etc.) to evaluate and demonstrate the generalization of BioSerenity-E1.

• EEG biomarker development: analysis of annotated clinical EEG signals, training and optimization of a detection model (classification, segmentation, fine-tuning or few-shot adaptation of the foundation model), validation using clinically relevant metrics.

EEG biomarker development: analysis of annotated clinical EEG signals, training and optimization of a detection model (classification, segmentation, fine-tuning or few-shot adaptation of the foundation model), validation using clinically relevant metrics.

• Comparative benchmarking: evaluation of BioSerenity-E1 and competing EEG foundation models across all developed tasks.

Comparative benchmarking: evaluation of BioSerenity-E1 and competing EEG foundation models across all developed tasks.

• Literature review: state of the art on EEG foundation models, epileptic spike detection, and evaluation frameworks.

Literature review: state of the art on EEG foundation models, epileptic spike detection, and evaluation frameworks.

• Results communication: presentation at multidisciplinary meetings (AI, clinicians, engineers); opportunity to publish or present at a scientific conference.

Results communication: presentation at multidisciplinary meetings (AI, clinicians, engineers); opportunity to publish or present at a scientific conference.

We are looking for a student nearing the end of their studies (Master's or engineering degree), motivated by AI applied to healthcare, comfortable with both applied research and data engineering.

• Proficiency in Python (pandas, numpy, scipy, sklearn, tensorflow/pytorch).

Proficiency in Python (pandas, numpy, scipy, sklearn, tensorflow/pytorch).

• Experience in machine learning and deep learning (academic or professional projects).

Experience in machine learning and deep learning (academic or professional projects).

• Experience with transformers and/or foundation models.

Experience with transformers and/or foundation models.

• Data engineering skills: ETL pipelines, data formats (EDF, HDF5), quality control.

Data engineering skills: ETL pipelines, data formats (EDF, HDF5), quality control.

• Knowledge of biosignals (EEG, ECG, etc.) and signal processing.

Knowledge of biosignals (EEG, ECG, etc.) and signal processing.

• Familiarity with Git and software development best practices.

Familiarity with Git and software development best practices.

• Scientific curiosity and rigorous analysis.

Scientific curiosity and rigorous analysis.

• Autonomy and ability to manage a complex technical project with multiple components.

Autonomy and ability to manage a complex technical project with multiple components.

• Team spirit and ability to work in a multidisciplinary environment.

Team spirit and ability to work in a multidisciplinary environment.

• Fluent English (technical exchanges, scientific literature).

Fluent English (technical exchanges, scientific literature).

Contract type: End-of-studies internship (6 months).

Location: Paris 13th arrondissement (easy access by public transport).

Benefits: Immersion in an expert team, concrete high-impact projects, opportunity to publish or present at scientific conferences.

Nous sommesBIOSerenity, une MedTech française fondée en 2014 à l'ICM (Pitié-Salpêtrière) quidéveloppe des solutions innovantes pour améliorer la prise en charge des patients en neurologie, cardiologie et troubles du sommeil. Alliant dispositifs médicaux connectés, intelligence artificielle et coordination des soins, nos produits sont utilisés par plus de 200 hôpitaux et 9 000 professionnels de santé. Nous réunissonsdes équipes pluridisciplinaires engagées pour une médecine plus accessible et efficace.