SAFRAN
48.7429509,2.0874197
Contexte
Les enjeux environnementaux et économiques auxquels fait face l'industrie aéronautique (réduction des émissions de CO, 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 générique de ML, en Python orienté...
|
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.
|
|
| Durée (Mois): |
6
|