NOTRE MISSION
Woodoo veut changer le monde… de la construction ! 🏗️
Woodoo est la startup française qui pense très sérieusement que le bois nous sauvera. Comment ? En faisant de son bois augmenté LE matériau d’un futur tenable.
Notre innovation ouvre une nouvelle ère industrielle et trace la voie vers un monde net-zéro. En transformant le bois à l’échelle moléculaire, Woodoo offre des solutions à haute performance mécanique et environnementale au secteur du bâtiment - une industrie aussi gourmande en énergie qu’avide de solutions décarbonées.
A terme, elles devraient permettre de construire plus haut, plus vite et moins cher, en émettant moins de CO2. Depuis 2017, Woodoo revendique la complexité de cette quête et compte sur la science et la détermination de ses talents pour chercher, trouver, inventer, et commercialiser le bois armé qui bousculera les codes du bâti.
A la tête de cette aventure, Timothée Boitouzet, architecte et chimiste, passé par le MIT Media Lab et diplômé de Harvard, est accompagné d’une équipe de 25 collaborateurs répartis entre Paris et ses deux sites de recherche et production à Troyes. Fort de ses 50 brevets, Woodoo s’apprête à franchir une nouvelle étape de croissance grâce à une levée de fonds de 31 millions de dollars réalisée auprès de Lowercarbon Capital.
Notre objectif est clair : Faire du bois le matériau du XXIe siècle !
DESCRIPTIF DU POSTE
Ce stage s'inscrit dans le cadre du développement d'un système avancé d'intelligence artificielle et de computer vision visant à automatiser la segmentation des composants en bois dans l'industrie de la construction.
L'objectif principal est d'optimiser le processus de production en permettant une identification et une classification précises des différents composants de bois utilisées dans la construction. Vous aurez les missions suivantes :
- Appliquer des techniques et des architectures d'apprentissage profond, notamment l'utilisation de réseaux neuronaux convolutionnels (CNN), de vision transformers et d'autres méthodes de pointe.
- Développer un modèle de segmentation capable de distinguer et de classifier automatiquement les composants en bois avec une précision et une fiabilité élevée.
- Collecter et traiter des ensembles de données diversifiés pour l'entraînement et la validation du modèle.
- Capturer des images des composants en bois dans différents contextes et conditions, ainsi que leur annotation pour l'entraînement du modèle.