Haldorix est un studio de startups qui transforme les défis opérationnels du terrain en opportunités business grâce à la technologie. Nous identifions des problématiques récurrentes dans l'industrie, le retail ou la logistique, et créons des solutions dédiées qui deviennent des produits à part entière. Chaque venture naît d'un besoin terrain validé et vise une création de valeur mesurable. Nos deux premières ventures sont : DeVisu, une vision par ordinateur pour l'optimisation opérationnelle, et Nitra3AI, une IA générative pour l'augmentation de performance industrielle.

Nous sommes à la recherche d'un ingénieur vision par ordinateur et machine learning spécialisé dans l'entraînement de modèles vidéo pour rejoindre notre équipe à Casablanca. Le poste est un CDI à temps plein, avec un mode de travail hybride (présentiel et télétravail). Le salaire mensuel est compris entre 14 000 DH et 22 000 DH, selon l'expérience et les compétences.

Votre rôle principal sera de développer un système de surveillance de productivité en temps réel pour les lignes de production textile. Vous serez responsable de la conception, de l'affinement et du déploiement de modèles vidéo, en partant de la collecte de données jusqu'à la mise en production. Vous travaillerez sur des architectures vidéo telles que FACT, SlowFast ou 3D CNN, en appliquant des techniques d'augmentation de données, d'apprentissage actif et d'optimisation GPU. Vous collaborerez étroitement avec l'équipe d'ingénierie pour intégrer les modèles dans l'environnement industriel.

Les responsabilités clés incluent :

• Recherche & Discovery : Analyse des jeux de données existants et identification des stratégies d'échantillonnage et d'étiquetage optimales.
• Évaluation des performances des modèles existants et détermination des pistes d'amélioration via l'apprentissage actif.
• Conception & Définition : Mise en place et structuration de pipelines d'entraînement vidéo pour de courts clips.
• Conception et test de flux de travail d'augmentation de données pour renforcer la robustesse.
• Exécution & Collaboration : Affinement de l'architecture FACT‑tiny sur des données spécifiques au domaine.
• Mise en œuvre et surveillance de l'entraînement GPU optimisé en précision mixte et via TensorBoard.
• Gestion des points de contrôle du modèle et des cycles de réentraînement pendant l'apprentissage actif.
• Itération : Conduite d'expériences itératives pour maximiser la précision et l'efficacité d'inférence.
• Collaboration étroite avec l'équipe d'ingénierie pour intégrer le modèle dans le système de production.
• Innovation : Exploration d'architectures alternatives telles que SlowFast ou 3D CNN pour la comparaison des performances.
• Documentation : Rédaction des conclusions clés et des meilleures pratiques pour les futures déploiements de modèles.

Profil recherché :

• Au moins 2 ans d'expérience dans l'entraînement et l'optimisation de modèles Deep Learning.
• Maîtrise de PyTorch.
• Expérience avec des architectures vidéo telles que FACT, SlowFast ou 3D CNN.
• Compréhension solide des outils d'augmentation de données (Albumentations, imgaug).
• Familiarité avec l'optimisation GPU, la précision mixte et la surveillance d'entraînement (TensorBoard).
• Capacité démontrée à itérer rapidement et à améliorer les performances du modèle sous contraintes de temps.

Compétences appréciées :

• Expérience dans la vision industrielle ou les contextes de fabrication.
• Connaissance des flux de travail MLOps (versioning, checkpoints, reproductibilité des pipelines).
• Familiarité avec les boucles d'apprentissage actif en vision.
• Expérience pratique avec des pipelines d'inférence en temps réel ou des déploiements edge.

Avantages :

• Opportunité de travailler sur un projet d'IA appliquée de pointe avec un impact industriel réel.
• Collaboration étroite avec une équipe technique experte et les fondateurs de la startup.
• Liberté d'expérimenter, d'apprendre et de repousser les limites des systèmes de vision en temps réel.

Processus de recrutement :

• Entretien AI Jobzyn (25–45 min).
• Entretien technique (1h) avec le Lead Developer ou l'Architecte Technique.
• Test pratique (2–3h) basé sur un cas d'utilisation réel.
• Entretien final avec l'équipe et les partenaires.

Nous sommes impatients de recevoir votre candidature et de vous présenter l'opportunité de contribuer à des solutions innovantes qui transforment les opérations industrielles.