STAGE - Data Scientist R&D F/H
R&D internship in Safran Aircraft Engines' Fleet Data Engineering team: research the state of the art and implement Time Series Foundation Models for few-shot anomaly detection on aircraft engine sensor data — building feature-extraction pipelines, training robust classifiers on imbalanced data, and scaling to production pipelines. Stack: Python, PyTorch, Transformers, Git.
- Compensation
- Not disclosed
- Location
- Montereau-sur-le-Jard, France
- Work setup
- Not specified
- Seniority
- Intern
- Employment
- Internship
- Experience
- Not specified
- Category
- Data science
- Posted
Skills
Must have
- Master 2 (Bac+5) student or engineering school in Data Science / Machine Learning
- Solid foundations in Deep Learning and strong interest in time-series processing and industrial constraints
- Proficiency in Python, PyTorch, Git and good coding practices
- Knowledge of Transformers architectures and Machine Learning algorithms
- Scientific rigor, curiosity for state of the art, critical mindset toward evaluation metrics
- Autonomy and ability to synthesize complex results
Full description
Le stage proposé va se dérouler au sein du département Fleet Data Engineering. Le diagnostic des pannes sur les équipements moteurs d'avion est une opération complexe reposant sur l'analyse de données temporelles. Actuellement, la détection de certaines formes ou signatures critiques (anomaly detection) est limitée par un très faible nombre d'exemples (few-shot learning). Ce stage à forte composante R&D nécessitera un travail de bibliographie sur l'état de l'art récent et une démarche d'expérimentation scientifique rigoureuse. L'objectif est d'explorer et d'implémenter les Time Series Foundation Models (TSFM). Le/la stagiaire devra construire un pipeline d'extraction de caractéristique, entraîner des classifieurs robustes aux données déséquilibrées sur ces embeddings latents, et définir une stratégie d'évaluation stricte, avant le passage à l'échelle sur nos pipelines.
Étudiant-e en Master 2 (Bac + 5) ou école d'ingénieur en Data Science / Machine Learning. Vous possédez de solides bases en Deep Learning et une forte appétence pour le traitement des séries temporelles (et les contraintes industrielles associées).
Compétences recherchées :
- Maîtrise de Python, PyTorch, Git et des bonnes pratiques de code.
- Connaissances en architectures Transformers et algorithmes de Machine Learning.
- Rigueur scientifique, curiosité pour l'état de l'art, et esprit critique vis-à-vis des métriques d'évaluation.
- Autonomie et capacité à synthétiser des résultats complexes.