Groupe industriel, familial et indépendant, le Groupe Roullier réalise, grâce à ses 10 300 collaborateurs dont 75 % à l'international, 2,8 milliards d'euros de chiffre d'affaires consolidé. Ses activités diversifiées (nutrition des sols, des plantes, des animaux, agroalimentaire), centrées sur les besoins humains, montrent l'ouverture d'esprit d'un Groupe connecté aux enjeux d'avenir.
Avec 109 unités industrielles, partout dans le monde, c'est un Groupe, toujours en mouvement, qui fait de l'innovation et de l'amélioration continue un défi quotidien et qui donne à ses cinq activités ; TIMAC AGRO, Phosphea, la Magnésie, Paticeo et la Plasturgie ; toute l'autonomie et la liberté de tester et d'avancer.
La société C.F.P.R est la holding du Groupe Roullier. Ses collaborateurs contribuent chaque jour au développement du Groupe en assurant un rôle de conseil pour l'ensemble des filiales à travers le monde.
Faire mieux, faire différemment, explorer les possibles, c'est la façon d'agir du Groupe Roullier. Le stage s'inscrit dans l'amélioration continue d'un outil d'OAD existant, reposant sur une combinaison de données satellitaires multi-temporelles (indices de végétation), de méthodologies statistiques et de machine learning et de courbes de référence de croissance. Plusieurs pistes d'amélioration de cet outil ont été identifiées. Le/la stagiaire sera amené(e) à les explorer à travers une démarche d'analyse structurée, à en évaluer les apports et les limites, et à être force de proposition dans la formulation de recommandations et de conclusions opérationnelles.
VOS MISSIONS :
Encadré(e) par un data scientist et en interaction avec des experts agronomiques, vous serez amené(e) à travailler sur tout ou partie des axes suivants, en menant une démarche scientifique structurée :
· Analyser et améliorer des méthodologies statistiques appliquées à des données agronomiques et satellitaires (intervalles de confiance, loi de distributions, robustesse, biais, sensibilité aux paramètres)
· Concevoir et tester des modèles de machine learning (classification, détection de dérives, exploitation de séries temporelles, approches multi-variables)
· Travailler sur la qualité et la fiabilité des données (détection de données aberrantes, filtres qualité, impact des données imparfaites sur les modèles)
· Exploiter et interpréter des indices de végétation et données d'imagerie satellite (compréhension agronomique, limites physiques, complémentarité des indices)
Les différents axes traités lors du stage ainsi que le cadre de travail associé seront définis avec le/la stagiaire, en fonction de ses appétences, de ses compétences et de la durée du stage.
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.