STAGE - Data sciences - Detection de trajectoires de navires anormales - H/F

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

Résumé du poste

Une entreprise spécialisée en surveillance maritime recherche un(e) stagiaire pour concevoir un algorithme de détection de comportements anormaux de navires. Ce stage s'adresse aux étudiant(e)s en Data Science ou domaines similaires. Les candidats doivent avoir une solide maîtrise des techniques de Machine Learning, ainsi que des compétences en Python et en traitement de données. Une première expérience en analyse de données massives serait un plus.

Qualifications

• Solides bases en apprentissage automatique et profond.
• Maîtrise des langages et des bibliothèques de data science.
• Connaissance des outils de versionnement et de développement collaboratif.

Responsabilités

• Réaliser une étude bibliographique des approches de détection d’anomalies.
• Préparer et explorer les données AIS à grande échelle.
• Concevoir, implémenter et entraîner un modèle de détection de comportements anormaux.

Connaissances

Apprentissage automatique

Python

Machine Learning

Deep Learning

Analyse de données massives

Git

Jupyter notebooks

Formation

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

Outils

scikit-learn

PyTorch

TensorFlow

pandas

numpy

matplotlib

AWS

Description du poste

Description

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

«Conception et développement d’un algorithme d’apprentissage profond pour la détection de trajectoires de navires anormales à partir de données AIS (Automatic Identification System).»

Ce stage s’inscrit dans le cadre des travaux menés par CLS autour de la surveillance maritime et de la sécurité des activités en mer. L’analyse des trajectoires issues de l’AIS permet aujourd’hui de mieux comprendre les comportements des navires et de détecter des situations inhabituelles pouvant révéler des activités illégales (transbordements, pêche non déclarée) ou dangereuses (trajectoires erratiques, écarts soudains de trajectoire).

L’objectif du stage est de concevoir une approche innovante de détection d’anomalies fondée sur les techniques récentes de deep learning appliquées aux séries temporelles et aux trajectoires AIS. Le/la stagiaire débutera par une revue de la littérature scientifique afin d’identifier les méthodes d’apprentissage les plus prometteuses (transformers, GNN, etc.).

Une base de données AIS massive, incluant historiques de positions, registres de navires et plus encore, sera mise à disposition pour l’entraînement et l’évaluation des modèles. Le traitement de ces données impliquera l’utilisation d’outils Big Data et de bibliothèques dédiées à l’analyse de données massives.

Au cours de ce stage, vous serez amené(e) à :

• Réaliser une étude bibliographique des approches de détection d’anomalies dans les trajectoires ;
• Préparer et explorer les données AIS à grande échelle ;
• Concevoir, implémenter et entraîner un modèle de détection de comportements anormaux ;
• Évaluer les performances du modèle sur des cas réels et proposer des pistes d’amélioration ;
• Présenter et documenter vos travaux au sein de l’équipe Data ;
• Participer, le cas échéant, avec les experts métier et les ingénieurs big data, à l'analyse, la faisabilité et les conditions pour un développement industriel et une mise en production.

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 dans un domaine stimulant et porteur de sens.

Compétences et connaissances souhaitées :

• Solides bases en apprentissage automatique et profond (Machine Learning et Deep Learning);
• Maîtrise des langages 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.