Stage de Fin d'Études - Ingénieur Data - Barrages et Aménagements Hydroélectriques H/F

ARTELIA; Échirolles; Sur place; EUR 10 000 - 15 000; Plein temps

Résumé du poste

ARTELIA recherche un stagiaire pour explorer l’utilisation du machine learning dans des projets hydroélectriques et durables. Vous rejoindrez un département de plus d'une centaine de collaborateurs et contribuerez à des configurations réalistes et optimisées.

Le stage vise à développer un prototype simplifié et à réaliser une analyse des performances, avec une immersion dans les données et les méthodes de prédimensionnement.

Qualifications

• Maîtrise des concepts de machine learning et de traitement de données.
• Connaissance des méthodes de classification, clustering et régression.

Responsabilités

• Prendre connaissance de la démarche classique de conception des aménagements et des contraintes généralement à prendre en compte ;
• Etablir un organigramme logique de la démarche permettant de déterminer le type et la nature de chaque ouvrage / composante à concevoir ;
• Etudier les possibilités d'utilisation du machine learning (classification, clustering, régression) dans le but de définir les paramètres et caractéristiques de prédimensionnement des barrages et autres ouvrages en fonction des conditions de projets ;
• Traiter et classer un échantillon représentatif des données d'aménagements allant servir de données d'apprentissage ;
• Identifier les aspects pouvant servir de prédicteurs dans l'algorithme et identifier les algorithmes et méthodes permettant d'atteindre les objectifs ;
• Développer un prototype simplifié dont le niveua de détails sera convenu et ajusté, et réaliser une analyse critique de ses performances.

Connaissances

Machine learning

Data processing

Classification

Clustering

Régression

Description du poste

Vos missions

Dans un contexte de transition énergétique et de développement durable, l'hydroélectricité occupe une place centrale dans la production d'énergie renouvelable.

La configuration finale des barrages et aménagements hydroélectriques découle d'une analyse multicritère impliquant l'économie et la politique de développement, l'environnement, l'écologie et les aspects sociaux, l'hydrologie et l'hydrogéologie, la topographie et la géographie, la géologie et la géotechnique et enfin la résistance des matériaux.

Nos équipes souhaitent capitalieser sur plusieurs centaines d'émanagements conçus et construits sous notre supervision et dont les données et logiques de conception sont retracées.

Venez participer à la prospection des potentiels d'utilisation de l'apprentissage automatique pour aboutir à des configurations réalistes, optimisées et plus objectives des aménagements que nous concevons.

Objectifs du stage

• Prendre connaissance de la démarche classique de conception des aménagements et des contraintes généralement à prendre en compte ;
• Etablir un organigramme logique de la démarche permettant de déterminer le type et la nature de chaque ouvrage / composante à concevoir ;
• Etudier les possibilités d'utilisation du machine learning (classification, clustering, régression) dans le but de définir les paramètres et caractéristiques de prédimensionnement des barrages et autres ouvrages en fonction des conditions de projets ;
• Traiter et classer un échantillon représentatif des données d'aménagements allant servir de données d'apprentissage ;
• Identifier les aspects pouvant servir de prédicteurs dans l'algorithme et identifier les algorithmes et méthodes permettant d'atteindre les objectifs ;
• Développer un prototype simplifié dont le niveua de détails sera convenu et ajusté, et réaliser une analyse critique de ses performances.

Vous rejoindrez un département de plus d'une centaine de collaborateurs pour servir un métieur au coeur des préoccupations actuelles.

Vous évoluerez au milieu de jeunes avec des idées novatrices mais également auprès des spécialistes et experts métier reconnus par leurs pairs dans le domaine.

Vous pourrez prendre part aux activités culturelles et sportives proposées par le CSE d'ARTELIA.