Présentation du projet

• Développer un système génératif basé sur un LLM fine-tuned capable d'analyser des comportements clients en magasin et de produire des recommandations actionnables.
• Traiter des données structurées et non structurées (interactions clients, indicateurs d'intérêt produit, trajectoires/mouvements) pour transformer ces signaux en insights exploitables en temps réel.

Responsabilités principales

• Implémenter les pipelines de traitement de données en Python pour préparer et agréger signaux comportementaux (logs d'interaction, capteurs de mouvement, données produit).
• Effectuer le fine-tuning d'un modèle open-source (ex. LLaMA / Mistral) en utilisant des méthodes comme LoRA / QLoRA / PEFT et intégrer le modèle dans une API backend.

Technologies et compétences requises

• Compétences requises : Python (data processing, intégration de modèles), connaissances en Generative AI et LLMs, expérience avec méthodes de fine-tuning (LoRA, QLoRA, PEFT).
• Stack technique attendue : HuggingFace Transformers, LLaMA / Mistral ou équivalent open-source, LoRA/QLoRA, React pour l'interface full-stack, Node.js/Fast (backend), MongoDB ou PostgreSQL.

Livrables attendus

• Une API opérationnelle exposant le modèle fine-tuned et des endpoints pour requêtes recommandations et visualisation des comportements.
• Une interface full-stack simple (React + backend) permettant la visualisation en temps réel des comportements et la génération de recommandations (placement produit, cross-selling, décisions opérationnelles).

Contraintes & attentes pédagogiques

• Durée : 4 à 6 mois (niveau Bac+5) — 1 stagiaire.
• Approche modulaire et reproductible : code bien documenté, notebooks pour les expériences de fine-tuning, scripts de déploiement et README clair.

Comment postuler

• Envoyer votre candidature par email à jobs@visshopai.com en précisant le projet.
• Vous pouvez également postuler via le lien : https://lnkd.in/duKj9p6S