AI Engineer H/F

At Marso, as an AI Engineer , you will own the full lifecycle of the robot’s embedded AI models: data quality, training, production reliability, and tooling that speeds up the path from development to deployment.

Contribute to the development, training, and evaluation of embedded models that control the Marso robot. Make sure models stay reliable through every deployment stage: PoCs, field tests, and production rollout in general. Help define and assess data quality. Automate dataset extraction for model training. Cut the time-to-value between AI model development and production deployment.

Build internal tools to visualize and debug data and model performance. Profile 3 to 5 years of experience in AI/ML engineering, ideally with an embedded or robotics component. Strong command of Python and deep learning frameworks (PyTorch, TensorFlow, or equivalent). Hands-on experience deploying models to production, including under hardware constraints (edge, quantization, optimization). Solid understanding of data pipelines: collection, cleaning, labeling, and quality measurement. Rigorous and autonomous, and you enjoy testing in real-world conditions, not just in simulation.

experience with mobile robotics, ROS/ROS2, computer vision, or sensors (lidar, cameras, IMU). We are committed to building a diverse and inclusive team and encourage all qualified candidates to apply, regardless of background. Chez Marso, en tant qu’ AI Engineer , vous prendrez en charge le cycle complet des modèles d'IA embarqués du robot : qualité de la donnée, entraînement, fiabilité en production et outillage pour accélérer le passage du développement à la mise en service. Missions

Participer au développement, à l'entraînement et à l'évaluation de modèles embarqués pour le pilotage du robot Marso. Garantir la fiabilité des modèles lors des déploiements : PoC, tests terrain et, plus généralement, mise en production.

Participer à la définition et à l'évaluation de la qualité de la donnée. Automatiser l'extraction de datasets pour l'entraînement des modèles. Réduire le time-to-value entre le développement des modèles d'IA et leur mise en production.

Développer des outils internes de visualisation et de debugging des performances des données et des modèles. Profil 3 à 5 ans d'expérience en ingénierie IA/ML, idéalement avec une composante embarquée ou robotique. Maîtrise de Python et des frameworks de deep learning (PyTorch, TensorFlow ou équivalent). Expérience concrète du déploiement de modèles en production, y compris sous contraintes hardware (edge, quantization, optimisation). Bonne compréhension des pipelines de données : collecte, nettoyage, labellisation, mesure de qualité.

Rigueur, autonomie et goût pour le test en conditions réelles, au-delà du travail en simulation. Un plus : expérience en robotique mobile, ROS/ROS2, vision par ordinateur, ou capteurs (lidar, caméras, IMU). Nous sommes engagés dans la construction d’une équipe diverse et inclusive. Toutes les candidatures qualifiées sont les bienvenues et nous accordons une attention particulière aux compétences, à l’impact et à la capacité à contribuer au projet.

L’offre est publiée sur le site de MARSO Robotics. Ouvrez l’offre originale ↗ pour y déposer votre candidature. Screeningpass ne remplit pas de formulaire à votre place.

Lancez une recherche de contact depuis cette page. Screeningpass vous propose jusqu’à trois personnes liées au poste. Vous choisissez celle à qui écrire, puis Screeningpass cherche son e-mail professionnel et prépare un message. Vous le relisez et l’envoyez vous-même avec Gmail. Une adresse e-mail n’est pas toujours disponible, et une réponse n’est jamais garantie.

Une recherche coûte 1 crédit. Le crédit vous est rendu si la recherche échoue. L’inscription offre 3 crédits, soit 3 recherches.

Screeningpass rassemble des offres de stage, d’alternance et d’emploi publiées par les entreprises. Pour une offre, Screeningpass trouve une personne à contacter dans l’entreprise, cherche son e-mail professionnel et prépare un message à partir de votre CV. Voir le fonctionnement en détail.