Job details
Job Type
Permanent
Full Job Description
Thèse CIFRE (SAFRAN-LIPN) : Jumeau Numérique - Maîtrise de l'état d'usure d'un moteurRéf ABG-99884
Sujet de Thèse
06/09/2021
Cifre
Université Paris 13-Sorbonne Paris Nnord
Lieu de travailVillaroche - Ile-de-France - France
Intitulé du sujetThèse CIFRE (SAFRAN-LIPN) : Jumeau Numérique - Maîtrise de l'état d'usure d'un moteur
Champs scientifiques- Informatique
- Mathématiques
- Science de la donnée (stockage, sécurité, mesure, analyse)
Mots clésDeep learning, apprentissage non supervisé, données temporelles multivariées
Description du sujet
Sujet : Jumeau Numérique - Maîtrise de l'état d'usure d'un moteur. Apprentissage non supervisé profond et données temporelles multivariées.
Description
Proposition de thèse en algorithmique pour le développement de l'application « Jumeau Numériques » sur les moteurs LEAP. A travers ce projet thèse nous souhaitons tester la viabilité d'une méthodologie neuronale moderne basée sur les architectures profondes (Deep learning), les réseaux récurrents et appliquée aujourd'hui avec succès sur le traitement de textes (traduction, chat-bots, etc.) et l'analyse de signaux audio (sous-titrage automatique).
Cette nouvelle thèse en informatique scientifique et algorithmique a pour but d'intégrer de nouveaux algorithmes sous la méthodologie développée précédemment [Forest et al 2021]. Parmi ces algorithmes, il va falloir apprendre à traiter efficacement les signaux temporels multivariés issus des données de vol. Il s'agit d'intégrer au sein de notre plateforme des outils neuronaux récurrents qui sont des avancées modernes majeures en intelligence artificielle.
Le doctorant sera intégré à l'équipe de data-scientists de la direction technique de Safran Aircraft Engines (DataLab) et le LIPN UMR CNRS 7030. Il pourra gérer son temps de travail entre le laboratoire et l'entreprise en fonction de ses besoins.
Forest, F., Lebbah, M., Azzag, H., and Lacaille,J. Deep Embedded Self-Organizing Maps for Joint Representation Learning and Topology-Preserving Clustering. Neural Comput & Applic. 2021.
Nature du financementCifre
Précisions sur le financement
Présentation établissement et labo d'accueilUniversité Paris 13-Sorbonne Paris Nnord
Le Laboratoire d’Informatique de Paris-Nord (LIPN), créé en 1985, est associé au CNRS depuis janvier 1992 et a le statut d’unité mixte de recherche (UMR 7030) depuis janvier 2001. La recherche effectuée au LIPN se développe autour d’axes forts s’appuyant sur les compétences de ses membres, en particulier en combinatoire, en optimisation combinatoire, en algorithmique, en logique, en génie logiciel, en langage naturel, en apprentissage. Le laboratoire est structuré en cinq équipes qui reflètent ces axes :
A3 : Apprentissage Artificiel et Applications,
AOC : Algorithmes et Optimisation Combinatoire,
CALIN : Combinatoire, ALgorithmique et INteractions,
LoVe : Logique et Vérification,
RCLN : Représentation des Connaissances et Langage Naturel.
Parmi les 150 membres qui participent aux activités du laboratoire, il y a 87 chercheurs ou enseignants-chercheurs permanents, dont la plupart est en poste à l’Université Paris 13 (à l’Institut Galilée ou à l’IUT de Villetaneuse).
Le LIPN fait partie de la fédération MathSTIC, un centre de recherche dans les domaines mathématiques et sciences et technologies de l’information et de la communication.
Site web :https://lipn.univ-paris13.fr/
Intitulé du doctoratInformatique
Pays d'obtention du doctoratFrance
Ecole doctorale
Profil du candidat
Profil candidat : M2 de datascience, statistique et/ou intelligence artificielle. Une compétence en programmation Python est indispensable, ainsi qu'une connaissance du développement sous un envioronnement de programmation Hadoop en Scala.
Date limite de candidature31/01/2022
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.