Poste alternant 12 mois en modélisation hybride (Mécaniste - Machine learning) pour le traitement des eaux usées, Maisons-Laffitte
Description de l'entreprise
Le groupe Veolia est la référence mondiale de la gestion optimisée des ressources. Présent sur les 5 continents avec 220 000 salariés, le Groupe conçoit et déploie des solutions utiles et concrètes pour la gestion de l'eau, des déchets et de l'énergie. L'économie des ressources est un enjeu majeur des prochaines années. La gestion des déchets, aujourd’hui, c'est 46 millions d'habitants desservis, 61 millions de tonnes de déchets traités, 533 759 entreprises clientes, 823 unités de traitement exploitées. Notre expertise dans la gestion des déchets nous permet de collecter, trier, traiter et valoriser chaque année des millions de tonnes de déchets ménagers et industriels. Nous développons des filières de valorisation qui permettent de réintroduire ces déchets dans de nouveaux cycles de consommation ou de production devenant ainsi de nouvelles ressources.
Description du poste
Objet du poste
Le traitement des eaux usées représente un enjeu majeur pour le groupe Veolia. Les stations d'épuration jouent un rôle primordial dans la préservation de l'environnement en assurant l'épuration des effluents avant leur rejet. Optimiser les procédés de traitement est essentiel pour accroître l'efficacité épuratoire, minimiser l'empreinte environnementale, s'adapter à la hausse des volumes, réduire les coûts opérationnels et se conformer aux normes.
Les approches par modélisation mécaniste, par apprentissage automatique (data driven) ou hybride constituent des axes prometteurs pour atteindre ces objectifs d’optimisation.
Le poste a pour objectif d'effectuer une analyse comparative des différents outils et méthodes disponibles, ainsi que de tester une approche hybride pour modéliser une station d'épuration existante.
Recherche bibliographique des approches existantes et leurs utilisations, les avantages, inconvénients et limites.
Créer une cartographie/stratégie qui relie les approches et outils les plus adaptés aux différents besoins du groupe.
Identifier et modéliser un cas d’étude pour optimisation de l’opération d’une station d’épuration basée sur une approche hybride (mécaniste - machine learning) ou une approche data-driven (ML).
Cadre du poste
L’ alternant(e) intégrera l'Équipe Calcul Scientifique et Modélisation de DEST.
Bac +5 avec une formation en modélisation et/ou science des données (machine learning), et/ou en traitement des eaux
Vos compétences:
bonnes connaissances en analyse de données, statistiques et machine learning
bonnes compétences en programmation (Python)
connaissances en traitement biologique de l’eau
niveau d’anglais intermédiaire - avancé
un plus, première expérience / connaissances en modélisation des bioprocédés: mécaniste (Modèles ASM), et/ou modèles d’apprentissage (Machine Learning), et/ou modélisation hybride.
Vos qualités, votre savoir-être:
Aptitude à travailler en équipe avec des experts de différentes spécialités
Curiosité et capacité à apprendre rapidement
Esprit critique et capacité d’analyse
Capacité à travailler méthodiquement
Aisance en programmation informatique
Informations supplémentaires
Vos qualités, votre savoir-être
Innover pour ressourcer le monde et préserver les ressources naturelles a du sens pour vous et votre carrière professionnelle. Vous avez un fort intérêt pour la recherche scientifique et ses applications dans les métiers de l’environnement.
Bon relationnel notamment dans la capacité à communiquer avec la hiérarchie et les clients non spécialistes en data science,
Capacité d’intégration au sein d’équipes projets pluridisciplinaires,
Autonomie, Curiosité, Créativité,
Rigueur, Sens critique,
Maîtrise de l’Anglais scientifique et technique.
En tant qu'entreprise inclusive, Veolia s’engage pour la diversité et accorde la même considération à toutes les candidatures, sans discrimination.
#J-18808-Ljbffr
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.