Stage - ingénieur projet machine learning - h/f

QUI SOMMES-NOUS

Présent dans 40 pays avec 40 000 collaborateurs, SUEZ apporte des services essentiels pour protéger et améliorer la qualité de vie, face à des défis environnementaux grandissants. SUEZ permet à ses clients de fournir l'accès à des services d'eau et de déchets, par des solutions résilientes et innovantes.


SUEZ Consulting, entité du Groupe SUEZ, accompagne les villes et territoires de demain ainsi que les sites industriels dans leur transition énergétique et écologique. Avec une expertise fine et une approche focalisée sur les attentes et l'écosystème de nos clients :


- Accompagnement dans toutes les étapes de leurs projets : de la stratégie (conseil stratégique, assistance technique, audit) à l’ensemble des étapes donnant vie au projet (assistance à maîtrise d’ouvrage, management de projets, études, maîtrise d’œuvre, assistance pour l’exploitation, la maintenance, formation et planification)


- Nos équipes interviennent sur les infrastructures hydrauliques, la gestion & valorisation des déchets, l'aménagement de la ville, les mobilités, la transition énergétique et les territoires numériques

VOTRE MISSION

ACTIMAR est une filiale de SUEZ Consulting, spécialisée en études météo-océaniques, en services d’océanographie opérationnelle, et en déploiement et valorisation de mesures par radars océanographiques. Au bénéfice de l’environnement marin dans un secteur hautement technologique et en constante évolution, ACTIMAR concentre ses activités dans le développement de produits et services innovants adaptés aux besoins des professionnels et des usagers de la mer.

🎯 Contexte du stage


Plusieurs centres météorologiques mondiaux produisent des prévisions de courants de surface à court terme (typiquement la semaine). Malgré l’amélioration continue des performances de ces systèmes, différentes sources d’erreurs subsistent.
Dans ce contexte, ACTIMAR a développé un outil de machine learning permettant de reconstruire une prévision de courant optimisée, en combinant plusieurs prévisions existantes.
Cet outil est aujourd’hui au stade de prototype.
Le stage a pour objectif de tester différentes configurations de cet outil et d’y implémenter plusieurs améliorations, tout en évaluant précisément leurs impacts.

🚀 Missions
Phase 1 – Prise en main et évaluation du prototype

* Appropriation du prototype développé par ACTIMAR
* Travail sur un modèle basé sur des réseaux de neurones convolutifs (CNN)
* Tests de différentes configurations du système, notamment :
- le nombre de paramètres,
- la nature des variables utilisées en entrée
* Évaluation des performances par comparaison avec une solution de référence

Phase 2 – Amélioration du système

* Implémentation de plusieurs améliorations du système de machine learning
* Évaluation des apports de ces améliorations selon les mêmes métriques que celles utilisées lors de la première phase

VOTRE PROFIL

* Étudiant en dernière année d’école d’ingénieur
* Formation et expérience en traitement de données, notamment via des techniques de machine learning et de deep learning
* Des connaissances en données environnementales ou en traitement de données matricielles constituent un plus

Compétences techniques et personnelles

* Maîtrise du langage Python
* Maîtrise des bibliothèques de machine learning : TensorFlow, Scikit-learn, etc.
* Utilisation des outils de manipulation de données : Pandas
* Outils de visualisation : Matplotlib, Seaborn
* Bonne capacité d’analyse
* Force de proposition
* Bonne aptitude au travail en équipe

📌 Informations pratiques

* Durée du stage : 5 à 6 mois
* Lieu : ACTIMAR, 36 quai de la Douane, 29200 Brest

Chez SUEZ Consulting, nous pensons que la diversité est un vecteur d'innovation et de performance façonnant un environnement durable. Les décisions en matière de recrutement sont prises sans considération de race, de couleur, de religion, d'origine nationale ou ethnique, de sexe, d'orientation sexuelle, d'identité ou d'expression de genre, d'âge ou de handicap.

Suez préserve l’équilibre entre vie professionnelle et privée, et s’engage sur la QVT.