Apprenti Mathématiques et algorithmes F/H

TN France; Cesson-Sévigné; Sur place; EUR 25 000 - 35 000; Plein temps

Résumé du poste

Une entreprise innovante dans le domaine spatial recherche un apprenti motivé en mathématiques et algorithmes. Ce rôle implique le développement de nouveaux algorithmes flexibles pour des applications variées, nécessitant une expertise en Python et en statistiques. Vous aurez l'opportunité d'explorer des méthodes avancées telles que le filtre de Kalman et les moindres carrés pondérés, tout en travaillant dans un environnement dynamique. Si vous êtes passionné par les défis mathématiques et souhaitez contribuer à des projets de pointe, cette alternance est faite pour vous.

Qualifications

• Bonnes bases en mathématiques appliquées et en statistique.
• Connaissance du traitement du signal serait un plus.

Responsabilités

• Définir différentes méthodes et explorer leurs possibilités d'optimisation.
• Réaliser des tests statistiques de validation et générer des simulations.

Connaissances

Python

Mathématiques appliquées

Statistiques

Traitement du signal

Formation

Bac +2 en Mathématiques ou Informatique

Outils

Windows

Python

Description du poste

Apprenti Mathématiques et algorithmes F-H, Cesson-Sévigné

Cesson-Sévigné, France

Syrlinks développe des équipements de communication et de positionnement pour des applications spatiales. Elle dispose d'une équipe d'ingénieurs pluridisciplinaire capable de développer des solutions radio complètes intégrant les fonctions RF, le traitement numérique du signal, le logiciel embarqué temps réel, le développement de cartes numériques ainsi que la partie mécanique. Syrlinks a réalisé intégralement le récepteur GNSS, ce qui lui confère une grande adaptabilité pour fonctionner dans divers environnements (terrestre, spatial LEO, spatial GEO, etc.). Cela nécessite le développement d'algorithmes d'estimation statistiques pour adapter la solution de navigation.

Dans cette optique, plusieurs défis doivent être relevés en raison de la polyvalence des environnements et de la diversité des mesures. La création d'un nouvel algorithme plus polyvalent et flexible, ainsi que l'utilisation d'outils et méthodes en mathématiques appliquées et statistiques, sont nécessaires.

L'objectif de cette alternance est de définir différentes méthodes, explorer leurs possibilités d'optimisation, et réaliser des tests statistiques de validation. Il s'agira notamment de générer des simulations couvrant l'ensemble des optimisations possibles.

Exemples de méthodes et algorithmes statistiques à analyser :

• Moindres carrés pondérés (WLS)
• Filtre de Kalman unscented
• Matrice d'information de Fisher avec les bornes de Cramer-Rao pour paramètres mixtes réels et entiers
• Principe d'invariance étendue

Les solutions seront évaluées en termes de contraintes système et de performance par rapport aux besoins de précision.

Les travaux seront réalisés dans un environnement Windows avec Python/C pour la modélisation.

Détail des activités pour chaque méthode :

1. Étude bibliographique des méthodes existantes
2. Estimation de la complexité pour un périmètre fonctionnel défini
3. Mise en place des algorithmes statistiques sous Python
4. Réalisation d'un simulateur de performance de pondération sous Python
5. Analyse des performances dans différents contextes opérationnels
6. Rédaction d'un rapport synthétique des travaux

Le candidat doit être motivé par le sujet, avec de bonnes bases en mathématiques appliquées et en statistique. Une connaissance du traitement du signal serait un plus. Il doit également maîtriser la programmation en Python. Les sources d'information seront en anglais, nécessitant un niveau intermédiaire (B2) en anglais.