Thèse CIFRE IA: Modèles temporels & contraintes physiques

Safran; Châteaufort; On-site; EUR 21,000 - 26,000; Full time

Benefits offered by this job

CIFRE thèse

Job summary

Safran Tech, centre de Recherche & Technologie, propose une thèse CIFRE sur le développement de modèles de fondation pour séries temporelles multivariées intégrant des connaissances physiques. Vous travaillerez avec le GREYC de Caen, pour concevoir des architectures Transformer et des modèles génératifs adaptés à l’analyse et la surveillance de systèmes aéronautiques complexes.

Le candidat maîtrise le machine learning et le deep learning (Python, PyTorch) et possède de solides compétences en

Qualifications

• Diplômé ou en cours, spécialisation IA / traitement du signal et mathématiques appliquées.
• Maîtrise du Python et d’un framework DL (ex: PyTorch).
• Connaissances solides en probabilités, statistiques et optimisation.

Responsibilities

• Étudier les modèles fondationnels pour séries temporelles multivariées et leurs contraintes physiques.
• Adapter ou développer des modèles génératifs et des architectures transformer.
• Intégrer contraintes physiques (lois de conservation, thermodynamiques) dans les modèles et fonctions de coût.
• Conduire des expériences et évaluer la robustesse sur données simulées et réelles.
• Participer à la valorisation scientifique par des publications internationales.

Skills

Machine learning

Deep learning

Python

PyTorch

Mathématiques appliquées

Probabilités

Statistiques

Optimisation

Transformer

Modèles génératifs

Diffusion

Flow matching

Physics-informed ML

Traitement du signal

Education

Master 2 recherche

Diplôme d'ingénieur

Tools

PyTorch

Job description

Safran Tech, centre de Recherche & Technologie, propose une thèse CIFRE sur le développement de modèles de fondation pour séries temporelles multivariées intégrant des connaissances physiques. Vous travaillerez avec le GREYC de Caen, pour concevoir des architectures Transformer et des modèles génératifs adaptés à l’analyse et la surveillance de systèmes aéronautiques complexes.

Le candidat maîtrise le machine learning et le deep learning (Python, PyTorch) et possède de solides compétences en