Stage Data Science : simulateur d'échantillonnage de matières solides

À propos du poste

Dans le cadre des projets de recherche de la Direction des Expertises Scientifiques et Technologiques (DEST) de Veolia, un simulateur d'échantillonnage de particules solides en mélange a déjà été développé en Python. Ce stage de 6 mois, à partir du 11 janvier 2027, consiste à l'améliorer en y ajoutant des fonctionnalités basées sur l'intelligence artificielle et en élargissant ses cas d'usage. Vous travaillerez avec l'équipe Calcul Scientifique et Modélisation, au sein d'une équipe projet multi-profils.

Missions principales

• Faire évoluer le simulateur d'échantillonnage (version 1, puis version 2) : entraînement de modèles d'IA, connexion à l'interface frontend, application à d'autres gisements et gisements multi-modaux.
• Développer un module de dimensionnement des manipulations sur toute la chaîne d'échantillonnage.
• Réaliser une étude bibliographique sur les méthodes d'échantillonnage, les modèles génératifs (GANs, VAE) et les outils de data visualisation.
• Concevoir, évaluer et valider un modèle mathématique de simulation de l'impact des paramètres d'échantillonnage sur l'erreur de mesure, en s'appuyant sur la théorie de Gy.
• Implémenter des modèles génératifs pour simuler des distributions de particules réalistes et un modèle de recommandation intelligent (machine learning).
• Appliquer des techniques d'explicabilité (SHAP/LIME) et présenter les travaux sous forme de rapports, présentations, démonstrations et manuel utilisateur.

Profil recherché

• Stage de fin d'études issu d'une école d'ingénieurs ou d'université.
• Solides compétences en développement logiciel (backend et frontend) et en statistiques, analyse de données et data visualisation.
• Intérêt pour les mathématiques, la physique et la théorie de l'échantillonnage de particules solides ; intérêt ou expérience avec les modèles génératifs apprécié.
• Capacité à vulgariser des concepts complexes, à travailler en équipe pluridisciplinaire et à communiquer couramment en français (C1) et en anglais (B1/B2).

Compétences requises

• Programmation Python.
• Frameworks de machine learning et deep learning (scikit-learn, TensorFlow ou PyTorch).
• Expérience avec SHAP/LIME appréciée.