Stage : Analyse de survie pour la maintenance prédictive F/H

Safran companies; Palaiseau, Magny-les-Hameaux; Sur place; EUR 30 000 - 50 000; Plein temps

Résumé du poste

Une entreprise de haute technologie recherche un stagiaire passionné par l'analyse de survie pour la maintenance prédictive. Ce stage offre l'opportunité d'appliquer des méthodes avancées de data science pour optimiser la gestion des plannings de maintenance. Vous serez impliqué dans l'implémentation de nouvelles techniques, le benchmarking et l'évaluation des performances des modèles existants. Rejoignez une équipe innovante qui valorise la diversité et l'engagement envers la durabilité. Si vous êtes un jeune diplômé avec une forte compétence en Python et un intérêt pour le machine learning, cette expérience enrichissante est faite pour vous.

Qualifications

• Niveau d'étude Bac+4 minimum en data science ou data engineering.
• Solides compétences en programmation Python et machine learning.

Responsabilités

• Implémenter des méthodes d'analyse de survie pour la maintenance prédictive.
• Réaliser un benchmark et comparer les performances des modèles.

Connaissances

Python

Machine Learning

Deep Learning

Data Engineering

Hyperparameter Tuning

Formation

BAC+3

BAC+4

Outils

Pytorch

TensorFlow

Description du poste

Stage : Analyse de survie pour la maintenance prédictive F/H

Société : Safran

Domaine d'activité : Mathématiques et Algorithmes

Emplacement : Magny-les-Hameaux, Île-de-France, France

Type de contrat : Stage

Durée du contrat : Temps complet

Diplôme requis : BAC+3 ou BAC+4

Expérience requise : Jeune diplômé(e) ou première expérience

Statut professionnel : Étudiant

Présentation de Safran

Safran est un groupe international de haute technologie, leader dans les domaines de l'Aéronautique, de l'Espace, de la Défense et de la Sécurité. Au sein de Safran Tech, l'Unité de Recherche Maths & Algorithms for Temporal Data (MATD) mène des activités de recherche en collaboration avec des partenaires académiques, notamment dans les modèles génératifs, l'évaluation de l'incertitude, et l'analyse de survie.

L'analyse de survie est une branche statistique qui étudie le temps avant la survenue d'un événement d'intérêt, en tenant compte de la censure, c'est-à-dire des observations incomplètes. Dans le contexte de Safran, ces méthodes sont utilisées pour prédire le temps restant avant la maintenance, permettant une meilleure gestion des plannings et une réduction des coûts liés aux défaillances ou réparations imprévues.

Les données utilisées incluent des mesures de maintenance, des paramètres extérieurs (variables exogènes), et des mesures de l'état de santé du moteur (variables endogènes). Actuellement, ces données longitudinales ne sont pas exploitées dans leur temporalité par les modèles, mais de nouvelles méthodes proposées dans la littérature permettent leur prise en compte, ce qui constitue le sujet de ce stage : implémenter ces méthodes, réaliser un benchmark, et comparer leurs performances aux méthodes existantes.

Profil recherché

- Niveau d'étude : Bac+4 minimum, formation en data science ou data engineering

- Solides compétences en programmation Python

- Bonne maîtrise du machine learning/deep learning, capacité à déboguer et optimiser les modèles (tuning hyperparamètres, gestion de convergence, ajustement d'architectures)

- Expérience en data engineering (prétraitement, gestion des pipelines)

- Connaissance des frameworks d'apprentissage profond (Pytorch, TensorFlow) appréciée

Informations complémentaires

Safran est un groupe mondial de haute technologie, engagé dans la durabilité et l'innovation, employant 100 000 collaborateurs avec un chiffre d'affaires de 27,3 milliards d'euros en 2024. Reconnu comme l'une des meilleures entreprises du secteur aéronautique et défense, Safran valorise la diversité et encourage les candidatures de personnes en situation de handicap.