Ingénieur IA embarquée senior Cv Paul Bonnet Ingénieur IA embarquée senior 06 39 98 XX XX paul.bonnet@example.com paulbonnet Grenoble POINTS FORTS Analyse des essais Lecture des résultats et des erreurs pour orienter les ajustements de modèles et mieux cerner les compromis de précision. Optimisation embarquée Arbitrage entre latence, mémoire, énergie et précision lors de la conception de traitements destinés aux calculateurs automobiles. Travail en équipe Coordination avec les équipes de perception, d’intégration, produit et logiciel pour relier les choix de données aux besoins applicatifs. Transmission technique Partage des conclusions en français et en anglais, avec des rapports détaillés et un accompagnement concret de nouveaux ingénieurs. Reproductibilité Structuration de jeux d’essais et de protocoles comparables, afin de rendre les benchmarks et les analyses de régression plus fiables. COMPÉTENCES Intelligence artificielle embarquée Machine learning Traitement du signal Traitement en temps réel Optimisation matérielle Quantification des modèles Perception automobile Conduite autonome Analyse statistique Structures de données Modélisation des données Architecture logicielle Entraînement de modèles Benchmarking Rapports techniques LANGUES Français Langue maternelle 40 Anglais Niveau professionnel 30 MON PARCOURS PROFESSIONNEL 9,1 Ans Ingénieur IA embarquée senior at Orbeon Calcul (4,3 Ans) Ingénieur machine learning at Sillage Mobilité (1,5 Ans) Ingénieur logiciel machine learning at Kairn Systèmes (2 Ans) Ingénieur junior en traitement d’image at VisioSense (1,2 Ans) PROFIL Ingénieur en IA embarquée et machine learning , avec neuf ans d’expérience en conception d’algorithmes IA/DSP et déploiement de traitements temps réel pour l’automobile et les systèmes de calcul. Expertise en optimisation mémoire et énergétique, quantification, analyse statistique des essais et réentraînement de modèles. Parcours couvrant la perception Radar, Lidar et caméra, la conduite autonome et des prototypes d’IA générative en centre de données, avec une pratique des équipes internationales et la production de rapports techniques en français et en anglais. EXPÉRIENCE Ingénieur IA embarquée senior Orbeon Calcul juillet 2022 - présent Grenoble Conception d’une chaîne d’inférence IA/DSP temps réel pour des calculateurs automobiles, avec arbitrage entre latence, mémoire, consommation énergétique et précision après quantification. Déploiement de modèles de vision avec PyTorch , OpenVINO et TVM, puis comparaison des performances aux références de l’état de l’art sur des jeux d’essais reproductibles. Intégration, à partir de 2024, de prototypes d’IA générative dans un environnement de centre de données, avec évaluation statistique des résultats et documentation des limites d’utilisation. Enrichissement de bibliothèques internes de machine learning et automatisation du réentraînement à partir des résultats de tests, pour accélérer l’ analyse des régressions. Rédaction de rapports techniques détaillés et présentation des conclusions à des équipes internationales, en anglais comme en français. Ingénieur machine learning Sillage Mobilité janvier 2021 - juin 2022 Lyon Développement de traitements de perception pour des prototypes de conduite autonome , à partir de données Radar , Lidar et caméra recueillies lors d’essais routiers. Adaptation de pipelines OpenCV et OpenMMLab et intégration de modèles dans des environnements Apollo et Autoware pour évaluer leur comportement sur des scénarios de conduite. Réalisation de benchmarks, d’analyses statistiques et d’ ajustements de modèles à partir des erreurs observées, avec suivi des compromis entre précision et exécution embarquée. Structuration des jeux de données et des interfaces logicielles avec les équipes de perception et d’intégration, puis consignation des méthodes et résultats dans des rapports techniques. Ingénieur logiciel machine learning Kairn Systèmes janvier 2019 - décembre 2020 Clermont-Ferrand Implémentation en Python et C++ d’ algorithmes de classification pour des flux de capteurs, avec validation des résultats par analyse statistique et tests de robustesse. Entraînement et réentraînement de modèles avec TensorFlow et PyTorch, puis comparaison des performances selon des protocoles de test reproductibles. Conception de structures de données et de composants logiciels facilitant l’intégration des modèles dans une application de traitement du signal. Présentation des résultats et des limites des expérimentations dans des rapports techniques partagés avec les équipes produit et logiciel. Ingénieur junior en traitement d’image VisioSense octobre 2017 - décembre 2018 Rennes Développement en Python et C de traitements d’images et de prototypes de détection, avec OpenCV et des méthodes statistiques appliquées à des séquences de caméra. Mise en place de jeux de tests, mesure des performances et analyse des erreurs pour orienter l’ajustement des algorithmes. Application des principes de génie logiciel et de modélisation des données à des modules expérimentaux, en coordination avec des collègues aux profils complémentaires. RESPONSABILITÉS, DISTINCTIONS ET RECONNAISSANCE Présentation technique remarquée lors d’une revue interne de prototypes de perception, 2023. Accompagnement de deux nouveaux ingénieurs sur les protocoles de benchmark et la reproductibilité des essais, 2024-2025. FORMATION Master informatique, spécialité intelligence artificielle et science des données Université Grenoble Alpes 2016 Grenoble CERTIFICATIONS Formation professionnelle en optimisation de modèles de deep learning pour systèmes embarqués, NVIDIA Deep Learning Institute 2023 Formation TensorFlow pour la vision par ordinateur, TensorFlow 2021 COMPÉTENCES TECHNIQUES Langages de programmation: Python, C, C++ Cadres de machine learning: TensorFlow, PyTorch, Keras Optimisation et inférence: OpenVINO, TVM, ONNX Runtime Vision par ordinateur: OpenCV, OpenMMLab, scikit-image Calcul scientifique: NumPy, SciPy, pandas Outils de données: Apache Arrow, HDF5, Parquet Formats et échange de modèles: ONNX, Protocol Buffers, FlatBuffers Systèmes d’exploitation: Linux, Ubuntu, Yocto Project Outils de développement: CMake, Git, GCC Environnements de déploiement: Docker, Kubernetes, NVIDIA TensorRT COMPÉTENCES Intelligence artificielle embarquée Machine learning Traitement du signal Traitement en temps réel Optimisation matérielle Quantification des modèles Perception automobile Conduite autonome Analyse statistique Structures de données Modélisation des données Architecture logicielle Entraînement de modèles Benchmarking Rapports techniques AFFILIATIONS PROFESSIONNELLES Membre de l’Institute of Electrical and Electronics Engineers (IEEE), au sein de la communauté dédiée au traitement du signal. Membre de la Société française de traitement du signal et des images (GRETSI), avec participation à sa communauté professionnelle. LANGUES Français (Langue maternelle) Anglais (Niveau professionnel)
  • Fichier
  • FR
Fichier
Styles Télécharger Acheter Connexion
Bootstrap
> JP 1 1
Configuration des pieds de page et des marges PDF
Les marges sont appliquées au document et le pied de page apparaît à la fois dans l’aperçu et le PDF

Paramètres de la police du pied de page

Postulez-vous à un poste spécifique
afin que nous puissions adapter votre CV en conséquence ? Postulez-vous à un poste spécifique
afin que nous puissions adapter votre lettre de motivation en conséquence ?

Vos données restent privées et ne sont jamais utilisées à des fins d’entraînement.Politique de confidentialité

Saisissez vos informations sous forme de texte pour générer un CV personnalisé Saisissez vos informations en texte pour générer une lettre de motivation personnalisée
Lien du site trouvé ! Prêt à créer le CV à partir de :
Passer cette étape

Vos données restent privées et ne sont jamais utilisées à des fins d’entraînement.Politique de confidentialité

Faites glisser le dans la boîte pour vérifier que vous n'êtes pas un robot.
Déposez ici

Mes CV

Affichage de {number_of_files} fichiers (sur un total de {total_of_all_files})
Nom du fichier Type de fichier Dernière modification : Description :

Renommer le fichier

Nom de fichier déjà existant !

Supprimer les fichiers

Avertissement : Cette action est irréversible. Une fois validé, les fichiers seront définitivement supprimés.

Heading text
Téléverser depuis l’ordinateur Téléverser
Sélectionner parmi les existants
LinkedIn
Glissez-déposez des fichiers n’importe où dans cet onglet, ou

Fichiers téléversés

Supprimer Nom du fichier Dernière mise à jour Utiliser ce fichier
Sélectionnez ceci pour utiliser le fichier pour générer votre CV et lettre de motivation. Une seule source — fichier téléversé, fichier sélectionné ou texte LinkedIn — peut être utilisée.

Fichiers

Les CV ou lettres de motivation que vous créez apparaîtront ici. Aucun fichier disponible pour le moment.
Supprimer Nom du fichier Dernière mise à jour Utiliser ce fichier
Sélectionnez ceci pour utiliser le fichier pour générer votre CV et lettre de motivation. Une seule source — fichier téléversé, fichier sélectionné ou texte LinkedIn — peut être utilisée.

Ajouter le PDF de votre profil LinkedIn

Vous pouvez télécharger votre profil LinkedIn au format PDF en ouvrant linkedin.com dans un navigateur, en cliquant sur votre photo de profil, en sélectionnant « Plus » ou « Ressources » puis « Enregistrer au format PDF ». Vous pourrez ensuite joindre le PDF via l’onglet Télécharger depuis l’ordinateur.

Collez le texte de votre profil LinkedIn

Si vous avez copié le texte de votre profil LinkedIn, collez-le ci-dessous. Voir comment copier votre profil sur LinkedIn

Sélectionnez cette option pour utiliser le texte de profil LinkedIn pour générer votre CV et votre lettre de motivation. Une seule source peut être utilisée—fichier téléchargé, sélectionné ou texte LinkedIn.

Essayez ces commandes

<
>