Trouvez Le Stage De Vos Rêves Chez Smart It Partner

La première étape pour trouver votre stage de rêve est de vous tourner vers une entreprise qui excellent dans l'encadrement et le développement des jeunes talents.

Cherchez celles qui investissent dans leurs futurs professionnels, car c'est là que vous trouverez une expérience enrichissante et des mentors inspirants.

Nos Offres :

Encadrement Structuré et Clair

Suivi Personnalisé et Régulier

Opportunités d'Apprentissage et de Développement

Culture d'Intégration et de Bienveillance








Nos dernières offres de stage

Découvrez nos opportunités de stage récentes et trouvez celle qui correspond à votre profil.

Classification et Clustering de Formes par Injection de Descripteurs de Fourier dans un Modèle Deep Learning
  • 23 juin, 2025
  • 23 août, 2025
Classification et Clustering de Formes par Injection de Descripteurs de Fourier dans un Modèle Deep Learning

Ce stage a pour objectif de développer un système intelligent combinant l’analyse traditionnelle de formes par descripteurs de Fourier avec les capacités de représentation hiérarchique d’un modèle Deep Learning. Le projet vise à effectuer la classification supervisée et le clustering non supervisé de formes (issues d’images) en s’appuyant sur une architecture hybride CNN + MLP. Le stagiaire devra concevoir un pipeline complet : extraction des contours, calcul des descripteurs de Fourier, intégration de ces descripteurs dans un modèle de Deep Learning, entraînement supervisé pour la classification, réduction de dimension avec un autoencodeur et clustering dans l’espace latent. L’originalité du projet réside dans la fusion efficace de représentations traditionnelles (descripteurs de Fourier) et de représentations apprises (deep learning) pour améliorer la compréhension et la segmentation des formes.

ETE

Analyse statistique des formes (Moyenne, ACP, GMM) à partir de descripteurs de forme de Fourier
  • 26 juin, 2025
  • 26 août, 2025
Analyse statistique des formes (Moyenne, ACP, GMM) à partir de descripteurs de forme de Fourier

L’analyse des formes est un domaine clé en vision par ordinateur et en reconnaissance de formes. Ce stage s’inscrit dans un projet de recherche appliquée visant à extraire, modéliser et regrouper des formes géométriques à partir d’images. Il repose sur l’utilisation de descripteurs de Fourier pour représenter les contours d’objets, combinés à des méthodes statistiques telles que la moyenne de forme, l’analyse en composantes principales (ACP), et les modèles de mélanges gaussiens (GMM).

ETE

Injection de descripteurs de forme dans des modèles de Deep Learning pour améliorer la robustesse
  • 30 juin, 2025
  • 30 août, 2025
Injection de descripteurs de forme dans des modèles de Deep Learning pour améliorer la robustesse

Ce stage s'inscrit dans le cadre de la recherche sur l’amélioration de la robustesse des réseaux de neurones convolutifs (CNN) face aux perturbations géométriques et photométriques dans les images (rotation, échelle, bruit). Bien que performants, les modèles de Deep Learning classiques présentent une sensibilité notable à ces transformations. L'objectif principal du stage est d'explorer l'intégration explicite de descripteurs de forme invariants (comme les moments de Zernike, Fourier-Mellin, invariants complexes) dans l’architecture d’un CNN (par exemple, ResNet ou VGG). Le stagiaire développera un pipeline hybride combinant extraction de descripteurs traditionnels et apprentissage profond, et mènera une série d’expérimentations pour évaluer les gains en robustesse et en performance.

ETE

Étude de la stabilité et de la complétude des descripteurs de formes pour les objets à niveaux de gris
  • 30 juin, 2025
  • 30 août, 2025
Étude de la stabilité et de la complétude des descripteurs de formes pour les objets à niveaux de gris

Dans le domaine de la vision par ordinateur, l’analyse de formes est essentielle pour la reconnaissance et la classification d’objets visuels. Ce stage s'inscrit dans un projet de recherche appliquée visant à évaluer la robustesse et la capacité discriminante de plusieurs familles de descripteurs de formes (Fourier-Mellin, moments de Zernike, invariants complexes) appliqués à des images en niveaux de gris, incluant des silhouettes, des caractères manuscrits ou des formes géométriques.

ETE

Développement d’un système de segmentation automatique des tumeurs du sein en 2D/3D par Deep Learning supervisé
  • 30 juin, 2025
  • 30 août, 2025
Développement d’un système de segmentation automatique des tumeurs du sein en 2D/3D par Deep Learning supervisé

Dans le cadre de l’amélioration des outils d’aide au diagnostic médical, ce stage a pour objectif de développer une solution de segmentation automatique des tumeurs mammaires dans des images médicales (mammographies, échographies, IRM). En s’appuyant sur des techniques avancées de Deep Learning supervisé, le ou la stagiaire participera à la création, l'entraînement et l’évaluation de modèles performants (U-Net, V-Net, etc.) pour une segmentation précise des masses tumorales en 2D et 3D. Le projet se base sur l’exploitation de bases de données médicales publiques (DDSM, Breast Ultrasound Dataset, TCIA, etc.) avec annotations validées par des experts.

ETE

Boostez votre carrière avec notre stage passionnant!

Recevez les dernières offres de stage adaptées à votre profil et transformez votre avenir professionnel.




Nos Stagiaires

Nos stagiaires sont au cœur de notre dynamisme ! Issus de formations diverses, ils apportent un regard neuf et des compétences actualisées, essentiels à l'innovation.
Chaque stagiaire est un membre précieux de notre équipe, dont la motivation et l'énergie enrichissent quotidiennement notre culture d'entreprise.





Ghaith Sayari

INGENIEUR


Oussema Ghanmi

INGENIEUR


Yasmine Jbeli

INGENIEUR









CONTACT

ENVOYEZ VOTRE MESSAGE

Adresse Du Bureau :
Université SESAME, ZI Chotrana I BP4 Parc Technologique El Ghazela, Ariana, Tunisia
Heures De Travail:
De 9h00 à 17h00