Stage Data Science: Simulateur d’échantillonnage avancé & IA

Veolia Environnement SA; Aubervilliers; On-site; EUR 10,000 - 15,000; Part time

Job summary

Veolia recherche un stagiaire Data Science pour développer un simulateur d’échantillonnage avancé afin d’optimiser les mesures sur les matières solides. Vous travaillez dans l’équipe DEST et collaborations pluridisciplinaires pour faire évoluer une application Python.

Vous utiliserez des méthodes statistiques, des approches IA (GANs, VAE) et des techniques d’explicabilité, tout en vous familiarisant avec la théorie de Gy et les scénarios industriels réels.

Qualifications

• Solides compétences en développement logiciel Backend et Frontend.
• Solides connaissances en statistiques, analyse de données et data visualisation.
• Solides compétences en programmation (Python).
• Connaissance des frameworks ML/DL (scikit-learn, TensorFlow ou PyTorch).
• Intérêt pour les mathématiques et la physique, théorie de l’échantillonnage de particules solides.
• Familiarité avec les techniques d’explicabilité des modèles (SHAP, LIME).
• Bonne communication écrite et orale en français et anglais opérationnel.

Responsibilities

• Faire évoluer un simulateur d’échantillonnage de particules solides (version 1 → version 2).
• Entraîner des modèles d’IA et enrichir les modules IA, connecter au frontend.
• Concevoir un modèle mathématique simulant l’impact des paramètres d’échantillonnage.
• Explorer et implémenter des modèles génératifs (GANs, VAE) pour distributions réalistes.
• Présenter les travaux sous forme de rapports, démonstrations et manuel utilisateur.

Skills

Statistiques

Analyse de données

Communication

Esprit d’équipe

Rigueur scientifique

Education

École d’ingénieurs ou université - stage

Tools

Python

scikit-learn

TensorFlow

PyTorch

SHAP

Job description

Veolia recherche un stagiaire Data Science pour développer un simulateur d’échantillonnage avancé afin d’optimiser les mesures sur les matières solides. Vous travaillez dans l’équipe DEST et collaborations pluridisciplinaires pour faire évoluer une application Python.

Vous utiliserez des méthodes statistiques, des approches IA (GANs, VAE) et des techniques d’explicabilité, tout en vous familiarisant avec la théorie de Gy et les scénarios industriels réels.