Mission

Fonctions et responsabilités :

De plus en plus d’entreprises développent des modèles de ML via de l’open source ou des solutions packagées tel que AWS SageMaker. Certains des algos de SageMaker sont propres à la plateforme et réputés plus performants que le standard du marché. Qu’en est-il exactement?

OBJECTIFS DU STAGE :

Etape 1 : Cadrage
Concevoir le déroulement fonctionnel et technique du projet, de l’organisation que vous souhaitez mettre en place, ainsi que les moyens à votre disposition. Il vous sera demandé de formaliser le besoin, d’en déduire un plan d’actions. Ce plan d’actions sera votre fil rouge durant tout le stage

Etape 2 : Etude technique et fonctionnelle
Monter en compétences sur l’outil AWS SageMaker et des différentes fonctionnalités mises à disposition.
Etudier les caractéristiques et enjeux, aussi bien techniques que fonctionnels.
Cette étude devra aborder les notions de déploiement, d’audit, de gouvernance et de performance. A l’issue de cette étude vous déterminerez les aspects les plus pertinents pour le développement de votre prototype.

Etape 3 : Prototype et application
Développer le prototype d’une application (Package python ou IHM) capable de faire le benchmark de plusieurs algorithmes et de présenter les résultats.

Etape 4 : Partage
Partager au sein de la communauté OCTO et Accenture ce que vous aurez appris, à travers une restitution interne et un article sur le blog OCTO.

Profil recherché

- H/F, vous êtes en recherche d'un stage de fin d'études,
- Vous avez des expériences en Machine Learning.
- Vous aimez coder en Python (ou Scala, Java),
- Vous avez envie de découvrir à quoi servent les services cloud et comment en tirer partie dans des problématiques métier en mode industrialisé.