Missions
Dans le cadre de ce projet, le candidat ou la candidate devra réaliser les missions suivantes :
1. L’appropriation des outils du traitement du signal (analyse fréquentielle et analyse temps-fréquence) afin de les adapter pour extraire les caractéristiques des signaux [2,4,5] : approches formelles et/ou algorithmiques.
2. L’appropriation des outils du transport optimal pour aligner et fusionner les informations provenant de différentes modalités de données [1,9]
3. Le développement de méthodologie de détection d’anomalies multimodales [3,6,8,10]
4. La collection des données en utilisant la plateforme IT’m factory de l’École des Mines de Saint-Étienne, suivie par la phase de prétraitement [7].
5. La Validation expérimentale de la méthodologie développée
6. La valorisation de ce travail par des publications dans les conférences du domaine
Mots clés : Diagnostics de systèmes industriels, Apprentissage statistique, Multimodalité des données, Hétérogénéité des données, Détection des anomalies, Analyse temps-fréquence, Transport optimal, Fusion des données.
Références
7. Amina Alaoui-Belghiti, Sylvain Chevallier, and Eric Monacelli. Unsupervised Anomaly Detection Using Optimal Transport for Predictive Maintenance. Springer International Publishing, 2019, pp. 686–697.
8. El.H. Bouchikhi, V. Choqueuse, M.E.H. Benbouzid, J.F. Charpentier, and G. Barakat. A comparative study of time-frequency representations for fault detection in wind turbine. In IECON 2011 - 37th Annual Conference of the IEEE Industrial Electronics Society.
9. Anis S. Hoayek, Gilles R. Ducharme, and Zaher Khraibani. Distribution-free inference in record series. Extremes, vol. 20, no. 3, pp. 585–603, February 2017.
10. Kar Hoou Hui, Lim Meng Hee, M. Salman Leong, and Ahmed M. Abdelrhman. Time-frequency signal analysis in machinery fault diagnosis: Review. Advanced Materials Research, vol. 845, pp. 41–45, December 2013.
11. A. Marina Kreme, Valentin Emiya, Caroline Chaux, and Bruno Torresani. Time-frequency fading algorithms based on Gabor multipliers. IEEE Journal of Selected Topics in Signal Processing, vol. 15, no. 1, pp. 65–77, January 2021.
12. Dana Lahat, Tülay Adali, and Christian Jutten. Multimodal data fusion: An overview of methods, challenges, and prospects. Proceedings of the IEEE, vol. 103, no. 9, pp. 1449–1477, 2015.
13. Chunquan Li, Yaqiong Chen, and Yuling Shang. A review of industrial big data for decision making in intelligent manufacturing. Engineering Science and Technology, an International Journal, vol. 29, pp. 101021, May 2022.
14. Anis Hoayek Michel Kamel and Mireille Batton-Hubert. Anomaly detection based on system log data. International Conference on Linked Data Quality and Anomaly Detection, 2023.
15. Gabriel Peyré and Marco Cuturi. Computational optimal transport. 2018.
16. Prerna Sarkar and V Chilukuri. Time-frequency analysis tool for intelligent condition monitoring diagnostics. In 2022 International Conference for Advancement in Technology (ICONAT), pp. 1–5, 2022.
Profil du candidat
Le candidat devra être titulaire d’un doctorat en mathématiques appliquées, ou en sciences de données en lien avec l’apprentissage statistique. Une expérience sur les techniques de détection d’anomalies et en analyse temps-fréquence sera tout particulièrement appréciée
Les compétences attendues concernent :
17. L’analyse et le traitement des données.
18. Connaissance solide en traitement du signal
19. Les Sciences des données, l’apprentissage automatique (machine learning)
20. Une compréhension du domaine industriel serait un atout supplémentaire
Il est également attendu que le candidat démontre :
21. Sa capacité à traiter différents types de données : quantitatives, qualitatives et/ou textuelles.
22. Sa maîtrise d’au moins un langage de programmation, tel que Python.
23. Des compétences en implémentation et industrialisation des différents algorithmes développés seraient fortement appréciées.
POURQUOI NOUS REJOINDRE :
L’Institut Mines-Telecom se caractérise par :
24. Un environnement scientifique d’excellence,
25. Un groupe présentant des entités sur l’ensemble du territoire français.
Mines Saint-Etienne se distingue par :
26. Un environnement de travail privilégié avec un taux d'encadrement des étudiants et un taux d’environnement (fonctions support et soutien) élevé,
27. Des moyens expérimentaux et numériques de premier plan,
28. Une activité de recherche contractuelle importante (11 M€ / an de contrats en Recherche et Innovation), majoritairement avec des partenaires industriels,
29. 25% d’étudiants internationaux, Membre du réseau T.I.M.E. et de l'Université Européenne EULIST,
30. Un centre de Culture Scientifique Technique et Industrielle – La Rotonde - unique en France, qui démultiplie son impact sur la société (> 50 000 visiteurs par an),
31. Cadre de vie agréable : proximité du parc naturel du Pilat, faible coût de la vie, troisième métropole en région Auvergne-Rhône-Alpes et ville créative UNESCO
32. Frais de transports en commun pris en charge à hauteur de 75% (sous conditions),
33. Forfait mobilité durable,
34. Foyer du personnel (activités sportives, culturelles, avantages CE sur des loisirs et temps de convivialité),
35. Possibilité de télétravail partiel,
36. 49 jours de congés et RTT.
Conditions de recrutement :
37. CDD de droit public de 12 mois, potentiellement renouvelable pour une durée de 6 mois supplémentaire
38. Prise de fonction souhaitée : 1er septembre 2024
39. La rémunération sera fixée selon le profil du candidat, en fonction des règles définies par le cadre de gestion de l’Institut Mines Télécom
40. Temps plein
41. Poste basé à Saint-Étienne
Le poste est ouvert à toutes et tous avec, sur demande, des aménagements pour les candidates et candidats en situation de handicap.
Modalités de candidature :
Les dossiers de candidature (CV, lettre de motivation, copie du diplôme de doctorat, lettre de recommandation le cas échéant) sont à déposer sur la plateforme RECRUITEE au plus tard le 18 juillet 2024 :
Les candidats retenus pour un entretien seront informés dans les meilleurs délais et l’audition sera en mode visioconférence.
Dans le cadre de sa politique Égalité, Diversité et Inclusion, l’École des Mines de Saint Etienne est un employeur soucieux de l’équité de traitement entre les candidatures.
Les postes offerts au recrutement sont ouverts à toutes et tous avec, sur demande, des aménagements pour les candidates et candidats en situation de handicap.
Pour en savoir plus :
Pour tous renseignements sur le poste, s’adresser à :
Olivier Boissier (directeur de l’institut Fayol),
Pr. Mireille Batton-Hubert, EMSE/-HUBERT@ tel :+33 (0)4 77 42 00 93.
Dr. Marina Krémé, EMSE/FAYOL. @ tel :+33 (0)4 77 42 93 48
Pour tout renseignement administratif, s’adresser à :
Julie Jaffre,, 04 77 42 00 17
Information des candidats sur le traitement des données personnelles :
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.