Stage Data Science Conception d'un simulateur d'échantillonnage avancé pour l'optimisation des mesures sur matières solides

• Objectifs

Dans le cadre des projets de recherche menés chez DEST nous avons de nombreux moyens analytiques pour mesurer les propriétés de matières solides en vue de déterminer leur composition ou danalyser leur impact sur lenvironnement ou bien détudier leur recyclabilité entre autres exemples. Ces matières se présentent souvent sous forme de gisements en vrac avec des mélanges non homogènes une granularité variée et la possibilité deffets pépites qui faussent les résultats. Leur analyse nécessite des méthodes de prélèvement et déchantillonnage rigoureuses afin dobtenir des échantillons représentatifs de lensemble du gisement. 

La théorie de Gy donne un cadre scientifique reconnu pour léchantillonnage des matières solides. Elle permet de modéliser et de quantifier les erreurs déchantillonnage lors de la prise déchantillons de matériaux hétérogènes. Cette théorie fournit des outils mathématiques pour optimiser les protocoles déchantillonnage en tenant compte des paramètres physiques et statistiques afin de garantir la représentativité des échantillons et de minimiser lerreur de mesure. 

 Dans le cadre de ce stage la théorie de Gy sera utilisée pour modéliser limpact des choix déchantillonnage sur la précision des analyses le but final sera de développer un simulateur permettant de tester différents scénarios déchantillonnage.

Vous aurez lopportunité de mettre en pratique vos compétences en data science et statistiques sur des données réelles issues de problématiques industrielles concrètes en développant un outil innovant qui contribuera directement à lexcellence scientifique et aidera de nombreux contributeurs clés sur les thématiques de transition écologique.

• Missions principales

Vous ferez partie de léquipe Calcul Scientifique et Modélisation et collaborerez avec une équipe projet multi-profils. Vos principales missions seront mais sans sy limiter :  

• Réaliser une étude bibliographique sur les méthodes déchantillonnage les modèles génératifs (GANs VAE) et les outils de data visualisation adaptés

• Prendre en main la théorie de Gy (Pierre Gy) pour léchantillonnage des matières solides et comprendre ses enjeux dans le contexte industriel

• Concevoir un modèle mathématique permettant de simuler limpact des paramètres déchantillonnage sur lerreur de mesure lévaluer et le valider

• Explorer et implémenter des modèles génératifs (GANs VAE) pour simuler des distributions de particules réalistes dans les gisements permettant de créer des scénarios déchantillonnage variés et représentatifs

• Développer un simulateur informatique (Python ou R) permettant dintégrer le modèle de tester différents scénarios déchantillonnage et doptimiser les protocoles avec une interface permettant de choisir les paramètres et de présenter les résultats de manière claire et intuitive

• Développer un modèle de recommandation intelligent utilisant des techniques de machine learning pour suggérer automatiquement les paramètres déchantillonnage optimaux selon les caractéristiques spécifiques du gisement

• Implémenter des techniques dexplicabilité (SHAP/LIME) pour analyser et visualiser limpact de chaque paramètre sur les résultats facilitant la compréhension et la prise de décision

• Présenter les travaux réalisés sous forme de rapport de présentations de démonstrations de loutil de manuel utilisateur

Qualifications :

• Formation

Niveau Master 2 ou élève en école dingénieur (BAC5) en spécialisation Statistiques Data science mathématiques appliquées

• Vos compétences 

• Solides connaissances en statistiques analyse de données et data visualisation

• Solides compétences en programmation (Python R)

• Connaissance des frameworks de machine learning et deep learning (scikit-learn TensorFlow ou PyTorch)

• Intérêt ou expérience avec les modèles génératifs (GANs VAE) serait un plus

• Familiarité avec les techniques dexplicabilité des modèles (SHAP LIME) appréciée

• Connaissance des outils de modélisation système type OpenModelica appréciée

• Capacité à vulgariser des concepts complexes et à travailler en équipe pluridisciplinaire

• Bonne communication écrite et orale

• Vos qualités votre savoir-être

• Rigueur scientifique et autonomie

• Curiosité esprit dinitiative et force de proposition

• Créativité : lapplication des compétences analytiques à des situations réelles ne vous fait pas peur

• Intérêt pour les problématiques industrielles et environnementales

Informations supplémentaires :

Nos valeurs : 
Responsabilité Respect Solidarité Innovation Sens du client

Environnement de travail:

• Environnement stimulant

  • team buildings créativité innovation

  • croisement des expertises et des disciplines

  • des sujets de travail renouvelés pour découvrir et grandir

  • une vision large des enjeux et des activités de Veolia pour ressourcer le monde

  • un accompagnement pour se développer professionnellement

  • les opportunités dévolution au sein dun groupe mondial

En tant quentreprise inclusive Veolia sengage pour la diversité et accorde la même considération à toutes les candidatures sans discrimination. 

Pour postuler merci de joindre dans longlet pièces jointes CV et lettre de motivation en format PDF (nommés de la manière suivante : Nom PrénomCV et Nom PrénomLM)

En tant quentreprise inclusive Veolia sengage pour la diversité et accorde la même considération à toutes les candidatures sans discrimination. 

Remote Work :

No

Employment Type :

Full-time