Modèles ML robustes et généralisants pour la prédiction des propriétés d'alliages haute température F/H Détail de l'offre Informations générales Entité de rattachement Safran est un groupe international de haute technologie opérant dans les domaines de l'aéronautique (propulsion, équipements et intérieurs), de l'espace et de la défense. Sa mission : contribuer durablement à un monde plus sûr, où le transport aérien devient toujours plus respectueux de l'environnement, plus confortable et plus accessible. Implanté sur tous les continents, le Groupe emploie 100 000 collaborateurs pour un chiffre d'affaires de 27,3 milliards d'euros en 2024, et occupe, seul ou en partenariat, des positions de premier plan mondial ou européen sur ses marchés. Safran est la 2ème entreprise du secteur aéronautique et défense du classement « World's Best Companies 2024 » du magazine TIME. Parce que nous sommes persuadés que chaque talent compte, nous valorisons et encourageons les candidatures de personnes en situation de handicap pour nos opportunités d'emploi Référence 2026-197303-172094 Description du poste Intitulé du poste Modèles ML robustes et généralisants pour la prédiction des propriétés d'alliages haute température F/H Type contrat Stage Durée du contrat 6 mois Statut (CSP) Etudiant Temps de travail Temps complet Parlons de votre future mission Contexte Les enjeux environnementaux et économiques auxquels fait face l'industrie aéronautique (réduction des émissions de CO2, diminution de la consommation de carburant, compétitivité des produits) motivent la conception de nouveaux matériaux plus performants. Dans ce contexte, les méthodes d'apprentissage automatique (Machine Learning, ML) connaissent un essor grandissant. Elles constituent un levier puissant pour explorer l'immense espace des compositions et microstructures possibles en les reliant aux propriétés des matériaux, afin de les optimiser vis-à-vis d'applications exigeantes (haute température, environnement sévère, etc.). L'efficacité de ces méthodes dépend toutefois de l'existence de bases de données suffisamment riches et fiables, ainsi que de la capacité à développer des modèles robustes, interprétables et intégrés dans un processus rigoureux de validation. Objectifs Le stage vise à contribuer au développement d'un pipeline de ML, en Python, rationnalisant la construction et la validation de modèles destinés à la conception d'alliages métalliques (donc en condition small data). Un accent particulier sera mis sur la capacité de généralisation des modèles. Le travail s'articulera surtout selon des axes suivants : - la préparation des données, notamment par feature engineering ou plongement (génération d'embeddings) ; - la construction de modèles de régression ; - la validation des modèles (validation croisée classique, imbriquée ou par clusters, bootstrapping, etc.), en particulier en simulant des conditions de généralisation sévères ; Déroulement Le stage consistera dans un premier temps à s'approprier et à étendre une architecture logicielle modulaire et documentée, permettant d'intégrer de manière flexible différents modules liés à la préparation des données, à la construction de modèles et aux démarches de validation et d'optimisation. Dans un second temps, ce pipeline sera testé sur des jeux de données matériaux représentatifs (prédiction de propriétés d'alliages base Ni, Ti, Fe ou Al) afin de comparer de manière chiffrée la performance de différentes approches. Des résultats obtenus devront découler des recommandations quant aux méthodes à privilégier dans le cadre des problèmes traités. Ce stage sera conduit en collaboration immédiate avec des experts des domaines d'intérêt (ML et matériaux métalliques), qui accompagneront le développement du pipeline et en évalueront la pertinence. Mais encore ? (avantages, spécificités, ) - Parlons de vous Étudiant·e en première ou deuxième année de master en mathématiques appliquées, statistiques ou sciences informatiques, disposant de solides compétences en programmation avancée en Python (OOP, scikit-learn) et de capacités d'analyse critique et de mise en oeuvre rigoureuse de démarches de validation. Une curiosité envers le domaine des matériaux est un plus sans être nécessaire. Localisation du poste Localisation du poste Europe, France, Ile de France, YVELINES (78) Ville Rue des jeunes bois 78117 Châteaufort Critères candidat Niveau d'études min. requis BAC5 Niveau d'expérience min. requis Jeune diplômé-e/Première expérience Langues Français (Courant) Anglais (Courant)
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.