Stage: analyse biomécanique en crash: détection d'anomalies et explicabilité en machine learning

Description du poste

Filière/Métier

Engineering - Engineering

Intitulé du poste

Stage : Analyse biomécanique en crash : détection d'anomalies et explicabilité en machine learning

Contrat

Stage

Description de la mission

Le stage proposé se déroule dans le département de R&D en charge des méthodes numériques avancées. Notre service est plus particulièrement dédié à la mise en place de méthodes exploitant les outils d'intelligence artificielle, d'optimisation, de modélisation stochastique, …, au bénéfice de l'ingénierie des projets automobiles. Le stage se déroule au sein d'une équipe internationale (un niveau suffisant en anglais est ainsi requis), intégrant les multiples compétences nécessaires à la réussite de ces projets stratégiques basés sur l'IA.
Lors d'un essai de crash automobile (choc frontal, latéral, …) on cherche à qualifier et quantifier le comportement des « occupants », à savoir les mannequins positionnés sur les sièges de l'automobile. Cela permet de valider la conception du véhicule vis-à-vis de la protection des occupants lors d'un choc.
Pour cela, les mannequins sont très largement instrumentés : ce sont en réalité des outils de mesure complexes et couteux qui disposent de multiples voies d'acquisition à haute cadence, en déplacements, vitesses, accélérations, efforts et moments … en de nombreux endroits du mannequin. Parallèlement le véhicule est lui aussi fortement instrumenté. On dispose ainsi d'une grande quantité de données à l'issue d'un essai de choc et tous ces enregistrements alimentent une base de données depuis de nombreuses années.
Le travail du stage consistera à compléter des travaux de type « exploratory data analytics » pour exhiber les corrélations physiques dans ces données, détecter des données anormales (erreurs de mesure ou phénomène physique inhabituel), etc… afin de supporter les analyses de scénario de choc.
Au-delà des techniques EDA, l'objectif sera aussi de mettre en place des techniques de machine learning afin de reconstruire par exemple une mesure à partir d'un groupe d'autres mesures. On peut alors valider des donnés incertaines, reconstruire des données manquantes et préparer le terrain à des stratégies d'hybrid twins (qui mêleront des données issues du calcul aux mesures physiques).

Profil

Connaissances utiles : machine learning, analyse de données, mathématiques appliquées, computer science, dynamique des structures, optimisation.
Maîtrise de Python, plus généralement aisance avec les outils informatiques de calcul scientifique.
Une partie des échanges techniques se feront en anglais.
Rigueur scientifique, curiosité, polyvalence et autonomie seront appréciées.

Chez Stellantis, nous évaluons les candidats selon leurs qualifications, leurs mérites et les besoins du métier. Nous accueillons les candidatures des personnes de tout genre, âge, ethnie, nationalité, religion, orientation sexuelle, et handicap. La diversité de nos équipes nous permettra de mieux appréhender l'évolution des besoins de nos clients et de notre environnement futur.

Durée du contrat

6 mois

Localisation du poste

Pays

Europe, France, Ile-de-France, Yvelines (78)

Ville

Poissy

Critères candidat

Niveau de diplôme préparé

Bac+5

Langues

Anglais (B2 - Intermédiaire (2,5 - 3,4 Bright))