Ingénieur-E Techniques D'optimisation & Machine Learning

Req ID:531879 

Chez Alstom, nous avons une connaissance pointue des réseaux de transport et comprenons ce qui conduit les individus à les emprunter. Des trains à grande vitesse, métros, monorails et tramways aux systèmes intégrés, services, infrastructures, et solutions de signalisation et de mobilité numérique, nous offrons à la diversité de nos clients le portefeuille le plus vaste du secteur.  Chaque jour, plus de 80 000 collaborateurs dans le monde qui ouvrent la voie à des solutions de mobilité plus vertes et plus intelligentes pour relier les villes, réduire l’empreinte carbone et remplacer la voiture.

Sujet du stage :

Étude et comparaison de méthodes de Machine Learning pour données de simulation et d'essais.

La création de modèles à partir de données issues de simulations numériques ou de mesures expérimentales présente un grand intérêt pour la compréhension des phénomènes physiques et la prédiction de nouveaux cas de fonctionnement.

L'objectif du stage est d'évaluer différentes méthodes de Machine Learning disponibles dans les bibliothèques Python PyTorch et scikit-learn, afin d’identifier leurs domaines d’application, leurs besoins en données et leurs performances sur différentes problématiques.

Le stage consistera également à développer des fonctions génériques permettant de préparer et mettre en forme les données afin de faciliter l'utilisation de ces méthodes.

Nous proposons un stage de niveau Bac+5 pour un profil en mathématiques appliquées, informatique ou data science.

Développement du sujet :

Les activités de cette étude seront les suivantes :

• Analyse des méthodes disponibles dans PyTorch et scikit-learn ;

• Mise en place de fonctions génériques de préparation des données ;

• Mise en œuvre et évaluation des différentes méthodes ;

• Comparaison des performances et identification des cas d'utilisation adaptés ;

• Rédaction d'un rapport de synthèse.

• Export des modèles vers un format standard (ONNX) ;

• Développement d'un wrapper C/C++ permettant la réutilisation des modèles exportés dans des applications externes ;

• Évaluation sur différents cas d'application (thermique, batteries, modèles récursifs, PINN).

Il n’y a pas que les passionnés de trains qui s’épanouissent chez nous. Nul doute que vous ressentirez beaucoup de fierté lorsque vous monterez dans l’un de nos trains avec votre famille ou vos amis. Si vous aimez le challenge, nous serions ravis d’échanger avec vous !