Stage Architecte Système | ML et Optimisation Bayésienne

Gestmax; Le Plessis-Robinson; Sur place; EUR 10 000 - 15 000; Temps partiel

Résumé du poste

Gestmax, en Île-de-France, recherche un stagiaire Stage Architecture Système : Machine learning et Optimisation Bayésienne Multi-Objectifs F/H au sein de la Direction Technical. Vous étudierez et implémenterez des techniques avancées d’optimisation bayésienne pour accélérer la recherche d’optimum sur des fonctions coûteuses.

Vous réaliserez une étude bibliographique, implémenterez les méthodes en Python, et identifierez des cas tests pertinents pour évaluer les approches, en travaillant sur des

Qualifications

• Actuellement en dernière année d’un cycle d’ingénieur ou équivalent avec une spécialisation en Mathématiques Appliquées et/ou Architecture Système et/ou Aéronautique.
• Vous avez une appétence pour la recherche et le développement, l’aéronautique et l’innovation, et disposez de connaissances en machine learning, statistiques et algorithmie, idéalement maîtrisées via Python et ses principales librairies.
• Compte tenu de l’environnement international de la société, un bon niveau d’anglais est requis.

Responsabilités

• Réalisez une étude bibliographique sur l’état de l’art des techniques d’optimisation bayésienne avec faisabilité.
• Implémentez les méthodes retenues en Python.
• Identifiez des cas tests pertinents pour évaluer les approches développées.
• Comparez les algorithmes sur ces cas tests en analysant performances et évolutivité.

Connaissances

Machine learning

Statistiques

Algorithmie

Autonomie

Formation

Cycle d’ingénieur - Mathématiques Appliquées / Architecture Système

Outils

Python

NumPy

SciPy

Pandas

Description du poste

Gestmax, en Île-de-France, recherche un stagiaire Stage Architecture Système : Machine learning et Optimisation Bayésienne Multi-Objectifs F/H au sein de la Direction Technical. Vous étudierez et implémenterez des techniques avancées d’optimisation bayésienne pour accélérer la recherche d’optimum sur des fonctions coûteuses.

Vous réaliserez une étude bibliographique, implémenterez les méthodes en Python, et identifierez des cas tests pertinents pour évaluer les approches, en travaillant sur des