Stage M 2

5 days ago Be among the first 25 applicants Intégrer Linéact au sein de CESI pour un stage de recherche serait une formidable opportunité de contribuer à des projets innovants, tout en approfondissant mes compétences dans un environnement à la pointe de la transformation numérique et de l’industrie 4.0. Travaux de Recherche L’objectif de ce stage est de réduire la complexité des graphes multimodaux issus de la modélisation time-expanded afin d’accélérer les algorithmes de planification multimodale exacts et métaheuristiques. Le stagiaire appliquera des méthodes d’analyse de réseaux complexes pour identifier les communautés de nœuds fortement interconnectés (zones cohérentes du réseau urbain), puis en extraire le backbone, c’est‑à‑dire les nœuds et liens les plus structurants du réseau. Les sous‑graphes résultants serviront de support aux algorithmes afin de réduire le temps de calcul tout en maintenant la qualité et la fiabilité des trajets. Les tests seront menés sur Strasbourg et Toulouse avec des données réelles. Projet de stage Contexte scientifique Ce stage s’inscrit dans le cadre du programme MobE porté par CESI. Ce programme vise à comprendre et optimiser la mobilité du public étudiant en faveur des économies d’énergie et à engager les établissements d’enseignement supérieur dans une transformation de la mobilité du public étudiant via une approche intégrée d’analyse, d’apports méthodologiques et de diffusion large auprès des étudiants et des établissements d’enseignement supérieur. Nous cherchons à réduire l'empreinte carbone des déplacements étudiants tout en proposant des alternatives efficientes basées notamment sur la mobilité douce (marche, vélo, trottinette…) mais aussi tout moyen de mobilité, collectif ou individuel, contribuant à une baisse des émissions de CO2 (tel que les transports en commun ou le covoiturage). Le Programme S’articule autour des axes suivants Analyser et comprendre les leviers motivationnels de mobilité des étudiants puis imaginer les mobilités de demain de manière participative avec plus de 5 000 étudiants Organiser des évènements de proximité sur le sujet de la mobilité dans les établissements d’enseignement supérieur avec des actions de terrain telles que la mise en place d’une communication adaptée au public jeune, de challenges de la mobilité, des challenges des ambassadeurs de mobilité. Accompagner la démarche d’établissements d’enseignement supérieur dans l’optimisation des mobilités étudiantes : 20 établissements impliqués directement pour établir leur diagnostic et 4 à 6 pilotes pour engager des plans de mobilité campus à l’aide des données et outils numériques. Pérenniser l’engagement des établissements d’enseignement supérieur dans la démarche de mobilité économe des étudiants en mettant à disposition l’ensemble de la synthèse, des analyses ainsi que des outils méthodologiques. Pré-reqs du poste Compétences Scientifiques Et Techniques Connaissance en théorie des graphes et réseaux complexes. Python (NetworkX, iGraph, PyTorch Geometric souhaité). Optimisation métaheuristique. Compétences Relationnelles Etre autonome, avoir un esprit d’initiative et de curiosité. Savoir travailler en équipe et avoir un bon relationnel. Etre rigoureux. Communiquer efficacement avec son encadrant. Gratification à 15% du plafond horaire de la Sécurité Sociale Date de début : Février 2026 Votre Candidature Devra Comporter Un Curriculum‑Vitae ; Une lettre de motivation pour le sujet ; Notes du parcours (Licence ou autre) et du master en cours ; Lettres de recommandation si disponibles. Références [1] Khawaja, F. R., Zhang, Z., Memon, Y., & Ullah, A. (2024). Exploring community detection methods and their diverse applications in complex networks: a comprehensive review. Social Network Analysis and Mining, 14(1), 115. [2] Magnani, M., Hanteer, O., Interdonato, R., Rossi, L., & Tagarelli, A. (2021). Community detection in multiplex networks. ACM Computing Surveys (CSUR), 54(3), 1‑35. [3] Santos, G. G., Lakhotia, K., & De Rose, C. A. (2024, March). Towards a Scalable Parallel Infomap Algorithm for Community Detection. In 2024 32nd Euromicro International Conference on Parallel, Distributed and Network‑Based Processing (PDP) (pp. 116‑123). IEEE. [4] Ghalmane, Z., Brahmia, M. E. A., Zghal, M. (2023). Road networks: A new filtering approach to extract backbones using community structure. [5] Ghalmane, Z., Cherifi, C., Cherifi, H., & El Hassouni, M. (2021). Extracting modular‑based backbones in weighted networks. Information Sciences, 576, 454‑474. [6] Ghalmane, Z., Cherifi, C., Cherifi, H., & El Hassouni, M. (2020). Extracting backbones in weighted modular complex networks. Scientific Reports, 10(1), 15539. [7] GHALMANE, Z., & Zghal, M. (2023). Road networks: A new filtering approach to extract backbones using community structure. #J-18808-Ljbffr