STAGE - Ingénieur-e techniques d'optimisation & machine learning

Alstom Group; Tarbes; Sur place; EUR 13 000 - 17 000; Temps partiel

Résumé du poste

Alstom recherche un stagiaire ingénieur-e en techniques d'optimisation et machine learning. Le stage portera sur l’étude et la comparaison de méthodes de ML appliquées à des données de simulation et d’essais, avec développement de fonctions génériques pour la préparation des données et l’évaluation des performances.

Ce stage de niveau Bac+5 s’inscrit dans des problématiques thermiques, batteries et modèles récursifs, avec export ONNX et intégration possible dans des applications externes.

Qualifications

• Stage Bac+5 en mathématiques appliquées, informatique ou data science.
• Connaissances en machine learning et prétraitement des données.
• Maîtrise de Python, PyTorch et scikit-learn.
• Capacité à développer un wrapper C/C++ et à exporter des modèles ONNX.

Responsabilités

• Analyser les méthodes disponibles dans PyTorch et scikit-learn.
• Mettre en place des fonctions génériques de préparation des données.
• Implémenter et évaluer les méthodes de ML sur données simulées et mesurées.
• Rédiger un rapport de synthèse et documenter les résultats.
• Exporter les modèles vers ONNX et développer un wrapper C/C++.

Connaissances

Machine Learning

Python

Data preprocessing

C/C++

PyTorch

scikit-learn

Formation

Bac+5 en mathématiques appliquées / informatique / data science

Outils

PyTorch

scikit-learn

ONNX

Python

C/C++

Description du poste

STAGE - Ingénieur-e techniques d'optimisation & machine learning

Chez Alstom, nous avons une connaissance pointue des réseaux de transport et comprenons ce qui conduit les individus à les emprunter. Des trains à grande vitesse, métros, monorails et tramways aux systèmes intégrés, services, infrastructures, et solutions de signalisation et de mobilité numérique, nous offrons à la diversité de nos clients le portefeuille le plus vaste du secteur. Chaque jour, plus de 80000collaborateurs dans le monde qui ouvrent la voie à des solutions de mobilité plus vertes et plus intelligentes pour relier les villes, réduire l’empreinte carbone et remplacer la voiture.

Sujet du stage:

Étude et comparaison de méthodes de Machine Learning pour données de simulation et d'essais.

La création de modèles à partir de données issues de simulations numériques ou de mesures expérimentales présente un grand intérêt pour la compréhension des phénomènes physiques et la prédiction de nouveaux cas de fonctionnement.

L'objectif du stage est d'évaluer différentes méthodes de Machine Learning disponibles dans les bibliothèques Python PyTorch et scikit-learn, afin d’identifier leurs domaines d’application, leurs besoins en données et leurs performances sur différentes problématiques.

Le stage consistera également à développer des fonctions génériques permettant de préparer et mettre en forme les données afin de faciliter l'utilisation de ces méthodes.

Nous proposons un stage de niveau Bac+5 pour un profil en mathématiques appliquées, informatique ou data science.

Développement du sujet:

Les activités de cette étude seront les suivantes:

• Analyse des méthodes disponibles dans PyTorch et scikit-learn ;
• Mise en place de fonctions génériques de préparation des données ;
• Mise en œuvre et évaluation des différentes méthodes ;
• Comparaison des performances et identification des cas d'utilisation adaptés ;
• Rédaction d'un rapport de synthèse.
• Export des modèles vers un format standard (ONNX) ;
• Développement d'un wrapper C/C++ permettant la réutilisation des modèles exportés dans des applications externes ;
• Évaluation sur différents cas d'application (thermique, batteries, modèles récursifs, PINN).

Il n’y a pas que les passionnés de trains qui s’épanouissent chez nous. Nul doute que vous ressentirez beaucoup de fierté lorsque vous monterez dans l’un de nos trains avec votre famille ou vos amis. Si vous aimez le challenge, nous serions ravis d’échanger avec vous!

En tant qu’employeur présent dans plus de 63pays, nous souscrivons au principe d’égalité d’accès à l’emploi et valorisons la diversité. Nous nous sommes engagés à créer un environnement de travail inclusif pour tous.