Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Stage PFE Machine Learning & Détection défauts H/F


Détail de l'offre

Informations générales

Entité de rattachement

Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.

Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).

Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.  

Référence

2021-19344  

Description de l'unité

Basé principalement à Grenoble et Chambéry, le Laboratoire d'Innovation pour les Technologies des Energies nouvelles et les Nanomatériaux (Liten) est un acteur majeur de la recherche européenne entièrement dédié aux nouvelles technologies de l'énergie.

Le service des Systèmes Energétiques pour l'Industrie et les Territoires (SSETI) porte des activités en thermique et systèmes énergétiques bas carbone , d'un point de vue technologique et outils logiciels. Ceci intègre notamment des développements et innovations technologiques dans les domaines des échangeurs de chaleur, du stockage de chaleur, de la conversion de la chaleur (ORC, pompe à chaleur, machine absorption, dessalement…), du solaire thermique pour des applications industrielles et les réseaux de chaleur. Il s'agit aussi de promouvoir et développer des usages innovants, efficients et sobres de la chaleur (chaleur fatale de procédés, chaleur renouvelable) et ceci plus particulièrement pour les nouveaux marchés (chaine hydrogène, Economie circulaire du carbone, solar fuel).
Vous avez l'opportunité d'apporter votre contribution à la mission du Laboratoire des Systèmes Energétiques pour les Territoires :
- réaliser des études d'évaluation technico-économique et environnementale de systèmes énergétiques ;
- développer des méthodologies et des outils d'optimisation pour l'évaluation de systèmes énergétiques"

Description du poste

Domaine

Mathématiques, information  scientifique, logiciel

Contrat

Stage

Intitulé de l'offre

Stage PFE Machine Learning & Détection défauts H/F

Sujet de stage

Comparaison de méthodes de Machine Learning pour la détection et la classification d'anomalies sur des systèmes énergétiques.

Durée du contrat (en mois)

5

Description de l'offre

Contexte

La détection de défauts joue un rôle primordial pour l'efficacités des réseaux d'énergie (smart grid, réseaux de chaleur). En l’état actuel des connaissances, un historique de données conséquent et fiable permettrait d’atteindre de bonne performance, mais est rarement disponible. Pour cette raison de nouvelles méthodes couplant simulation, génération de données et apprentissage automatique (Machine Learning / Deep Learning) sont étudiées.

Mission

Dans ce contexte, le/la stagiaire aura pour mission de :

  • Prendre en main un jeu de données de fonctionnement de référence et défaillant, généré par simulation dans le cadre d’un projet en cours
  • Evaluer le potentiel de plusieurs algorithmes d'apprentissage pour détecter et identifier les défauts (cf. [1] [2]), notamment en apprentissage supervisé, non supervisé et avec des techniques de ""transfer learning" [3].
  • Etudier les techniques de visualisation permettant une meilleure compréhension des résultats (e.g. [4], [5])"

Références

[1] http://dx.doi.org/10.1016/j.energy.2020.117323

[2] http://dx.doi.org/10.1016/j.buildenv.2021.108066

[3] http://dx.doi.org/10.1016/j.jobe.2021.102537

[4] https://rstudio.com/resources/rstudioconf-2020/data-visualization-and-designing-ai/

[5] https://fr.wikipedia.org/wiki/Algorithme_t-SNE

Moyens / Méthodes / Logiciels

Python, TensorFlow, Modelica

Profil du candidat

Stage pour la validation d'un BAC+5.

Compétences scientifiques : Energétique, Thermique, Statistiques/probabilités, Modélisation, Programmation

Connaissances : optionnelles : Apprentissage automatique, Deep Learning, Visualisation, t-SNE

Vous êtes reconnu(e) pour votre : rigueur, sens de l'analyse, esprit d'équipe, autonomie,"

 

 

Localisation du poste

Site

Autre

Localisation du poste

France, Auvergne-Rhône-Alpes, Savoie (73)

Ville

  Le Bourget du Lac

Critères candidat

Diplôme préparé

Bac+5 - Diplôme École d'ingénieurs

Formation recommandée

Ecoles Centrales, INSA, IMT, INPG

Possibilité de poursuite en thèse

Non

Demandeur

Disponibilité du poste

01/02/2022