Contexte et objectif

• Développer un modèle d'intelligence artificielle capable d'extraire automatiquement des informations clés à partir de rapports de production numérisés contenant un mélange de texte imprimé et manuscrit.
• Affiner (fine-tune) un modèle de compréhension de documents existant pour améliorer la reconnaissance et l'interprétation des écritures manuscrites propres aux documents internes.

Responsabilités et tâches

• Préparation et annotation d'un jeu de données de rapports numérisés (imprimé + manuscrit) et définition des labels/informations cibles.
• Entraînement et évaluation du modèle (fine-tuning), optimisation des performances sur la détection et la transcription des écritures manuscrites, et validation sur jeux de test.
• Intégration et expérimentation d'approches OCR/Handwriting Recognition et post-traitement pour structurer les informations extraites (parsing, normalisation, validation métier).

Technologies et livrables attendus

• Utilisation d'Anaconda, Python, PyTorch, Jupyter Notebook pour le développement, l'entraînement et l'évaluation.
• Livrables attendus : code source reproductible, notebooks d'expérimentation, modèle entraîné, rapports de performance (métriques), et recommandations pour intégration en production.

Compétences requises et souhaitées

• Compétences requises : machine learning / deep learning, expérience avec PyTorch, traitement d'images et OCR, manipulation de jeux de données annotés.
• Compétences souhaitées : expérience en reconnaissance d'écriture manuscrite (handwriting recognition), vision par ordinateur, et capacités à produire pipelines de pré- et post-traitement pour la normalisation des données.

Modalités de candidature

• Pour postuler, envoyer votre CV et lettre de motivation en précisant la référence du sujet dans l'objet du mail.
• Contact de candidature : StagesIT@labomedis.com