STAGE - DATA SCIENCES Analyse automatique de trajectoires de navires - H/F

Groupe CLS; Ramonville-Saint-Agne; Sur place; EUR 60 000 - 80 000; Plein temps

Résumé du poste

Une entreprise spécialisée en data science recherche un(e) stagiaire pour travailler sur l'exploration de méthodes d’apprentissage automatique. Le poste implique des responsabilités telles que la réalisation de revues bibliographiques, la conception de méthodes de détection et la collaboration avec l'équipe Data. Les candidats doivent être étudiants en école d’ingénieurs ou Master 2 en Data Science. Une bonne maîtrise de Python et des bibliothèques de data science est attendue.

Qualifications

• Curiosité scientifique et goût pour l’expérimentation.
• Capacité à collaborer au sein d’équipes pluridisciplinaires.
• Bonnes capacités de communication écrite et orale.

Responsabilités

• Réaliser une revue bibliographique des approches existantes.
• Explorer une approche non supervisée pour la détection des ports.
• Concevoir et développer une méthode de reconnaissance de patterns de navigation.

Connaissances

Apprentissage automatique

Python

scikit-learn

PyTorch

Deep Learning

Analyse de données massives

Formation

Étudiant(e) en école d’ingénieurs ou Master 2 en Data Science

Outils

Git

Jupyter notebooks

AWS

Description du poste

Description

L’équipe Data de CLS recherche un(e) stagiaire souhaitant mettre en pratique ses compétences sur le sujet suivant :

«Exploration et développement de méthodes d’apprentissage automatique pour la détection des ports et la classification comportementale des navires à partir de leurs trajectoires (données AIS et VMS massives).»

Ces travaux s’inscrivent dans le traitement automatique des trajectoires de navires contribuant à la gestion durable des ressources marines et à la sécurité maritime.

La détection des zones de mouillages vise à identifier les zones de repli utilisées par les navires, y compris celles en dehors des zones portuaires officielles, afin d’améliorer la compréhension des comportements côtiers et la prévention des risques. La classification comportementale des navires, quant à elle, permet de déterminer le type d’activité (pêche, transport, croisière, etc.) directement à partir des trajectoires, en limitant la dépendance aux déclarations parfois incomplètes ou erronées.

Responsabilités

• Réaliser une revue bibliographique des approches existantes dans l’état de l’art;
• Explorer une approche non supervisée pour la détection des ports basée sur l’analyse des comportements globaux des navires à partir des données AIS;
• Concevoir et développer une méthode de reconnaissance de patterns de navigation permettant de classifier le type de navires (pêche, cargo, croisière, etc.) tout en s’affranchissant des éventuelles erreurs de déclaration;
• Comparer et évaluer les performances des approches proposées face à des modèles ou méthodes de référence existants (internes ou état de l’art) ;
• Présenter, documenter, et valoriser vos travaux auprès de l’équipe Data et des autres pôles techniques de CLS.

Profil recherché

Etudiant(e) en école d’ingénieurs ou en Master 2 avec une spécialisation en Data Science, Intelligence Artificielle, Machine Learning ou Mathématiques Appliquées, vous souhaitez mettre en application vos connaissances à travers des projets porteurs de sens, contribuant à la gestion durable des océans.

Compétences et connaissances souhaitées

• Solides bases en apprentissage automatique et profond (Machine Learning et Deep Learning);
• Maîtrise des langues et bibliothèques de data science, en particulier Python, scikit-learn, PyTorch (ou TensorFlow), pandas, numpy, matplotlib, etc.;
• Connaissance des outils de versionnement et de développement collaboratif (Git, Jupyter notebooks, etc.) ;
• Une familiarité avec les environnements Cloud (notamment AWS) serait appréciée;
• Une première expérience en analyse de données massives et/ou en apprentissage automatique serait également un plus.

Qualités attendues

• Curiosité scientifique et goût pour l’expérimentation;
• Esprit analytique, rigueur, sens de l’organisation et autonomie;
• Capacité à collaborer au sein d’équipes pluridisciplinaires;
• Bonnes capacités de communication écrite et orale pour présenter et valoriser vos résultats.