Contexte Dans le cadre de l'innovation autour de la propulsion hybride-électrique, Safran Tech intensifie ses activités de recherche sur les équipements électriques aéronautiques. L'exploitation et l'analyse avancée de données issues de capteurs multiples lors des essais constituent un enjeu clé pour améliorer la détection d'anomalies et optimiser les plans d'essais.

Objectif du stage L'objectif de ce stage est de développer, tester et comparer des méthodes de fusion de données multi-capteurs et de détection d'anomalies. À partir de ces analyses, le/la stagiaire devra être capable de recommander, avant de nouvelles campagnes de tests, les essais à prioriser ou les conditions de mesure essentielles pour maximiser l'information collectée et améliorer la qualité du plan d'expérience.

Descriptif des travaux à réaliser Intégré(e) au sein du pôle "Systèmes Électriques et Électroniques", vos principales missions seront :

• Mener une veille sur les méthodes de fusion de capteurs, de détection d'anomalies et d'aide à la planification expérimentale autour de l'IA et du machine learning (supervisé et non-supervisé).
• Traiter, explorer et analyser des bases de données expérimentales collectées lors d'essais sur moteurs hybrides-électriques comportant des mesures électriques, thermiques, vibratoires, etc.
• Développer, entraîner et comparer différents algorithmes de détection d'anomalies et de recommandation (réseaux de neurones, forêts aléatoires, clustering…).
• Utiliser les résultats pour proposer une méthodologie permettant d'identifier les points de fonctionnement, les paramètres ou essais prioritaires à réaliser lors de prochaines campagnes expérimentales.
• Présenter vos travaux régulièrement à une équipe pluridisciplinaire — en français comme en anglais.
• Rédiger un rapport de synthèse mettant en avant les bénéfices et axes d'amélioration de l'approche pour la planification des essais en environnement multi-capteurs.

Profil recherché

• Formation ingénieur Bac+5 avec une spécialisation en data science, traitement du signal, automatique, machine learning ou systèmes embarqués.
• Maîtrise de Python et des bibliothèques de data science/machine learning. Connaissances de Matlab/SIMULINK appréciées.
• Très bon niveau d'anglais technique oral et écrit.
• Autonomie, esprit d'innovation, rigueur scientifique et capacité à vulgariser des résultats complexes.
• Intérêt pour l'aéronautique, la data, l'expérimentation.