Stage Data Scientist H/F - Manitou Group

Référence mondiale de la manutention, de l'élévation de personnes et du terrassement, Manitou Group a pour mission d'améliorer les conditions de travail, de sécurité et la performance partout dans le monde, tout en préservant l'Homme et son environnement.
A travers ses marques Manitou et Gehl, le groupe conçoit, produit, distribue des matériels et des services à destination de la construction, de l'agriculture et des industries.
En plaçant l'innovation au coeur de son développement, Manitou Group cherche constamment à apporter de la valeur ajoutée auprès de l'ensemble de ses parties prenantes.
Grâce à 10 sites de production, 8 centres logistiques, 34 filiales et l'expertise d'un réseau de 900 concessionnaires, le groupe est chaque jour, plus proche de ses clients répartis dans 140 pays.
Fidèle à ses racines, avec un siège social situé en France, Manitou Group enregistre un chiffre d'affaires de 2,9 milliard d'euros en 2022 et réunit 5 500 talents à travers le monde avec la passion, l'engagement et la fiabilité comme valeurs communes.
Manitou Group est une entreprise handi-accueillante.*
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).