Stage 6 Mois Informatique/traitement Du

**Stage 6 mois Informatique/Traitement du signal/Electronique**:

- Réf **ABG-126309**
- Stage master 2 / Ingénieur- Durée 6 mois- Salaire net mensuel 600- 15/10/2024- Univ de Lorraine Institut Jean Lamour- Lieu de travail- NANCY Grand Est France- Champs scientifiques- Sciences de l’ingénieur
- Informatique
- Mathématiques
- Mots clés- Deep learning, data augmentation, détection défauts-
- 31/12/2024**Établissement recruteur**:
**Site web**:
L’Institut Jean Lamour (IJL) est un laboratoire de recherche fondamentale et appliquée en science et ingénierie des matériaux et des procédés qui rassemble des scientifiques de différentes disciplines.

Laboratoire multi-thématique, il couvre : les matériaux, la métallurgie, les plasmas, les surfaces, les nanomatériaux et l’électronique.

Organisation

L’IJL une unité mixte de recherche (UMR 7198) du CNRS et de l’Université de Lorraine. Il est rattaché à l’Institut de Chimie du CNRS.

Ses travaux de recherche sont menés au sein de 23 équipes de recherche organisées en 4 départements scientifiques:
Département Physique de la Matière et des Matériaux (P2M)

Département Chimie et Physique des Solides et des Surfaces (CP2S)

Département Science et Ingénierie des Matériaux et Métallurgie (SI2M)

Département Nanomatériaux, Electronique et Vivant (N2EV)

Ils s’appuient sur 8 centres de compétences et 3 services centraux.

**Description**:
**Sujet **:Augmentation d'un dataset de données séries par génération synthétique.**

**Informations générales**

Stage d’une durée de 6 mois à Nancy au sein de l’Institut Jean Lamour.

Date de début de stage souhaitée : début février 2024

**Missions / Activités**

Le sujet proposé s’intègre dans un projet plus large qui a pour objectif la détection des défauts dans les installations électriques. Cette détection est basée sur l’analyse de données séries temporelles (base de données de signatures de courants électriques).

Dans notre contexte de détection de défauts, notre base de données, nécessaire pour l’entrainement des modèles de Machine Learning est relativement réduite. L’objectif du travail proposé est concentré sur la génération des données synthétiques suffisamment réalistes pour compléter le dataset. Cela peut se faire, soit via des méthodes traditionnelles du traitement de signal ou bien à via des modèles génératifs basés sur l’intelligence artificielle. Les signaux synthétiques doivent après passer par des modèles entrainés déjà existants pour la prédiction afin d’évaluer leurs qualités.

Le travail du stagiaire débutera par une analyse bibliographique complète et un état de l’art pour identifier les méthodes adaptées de situations d’apprentissage pour des bases de données déséquilibrées et fortement déséquilibrées. Le stagiaire aura également à mettre en place les outils de génération de signaux (pour l’agrandissement du dataset). Le stagiaire testera également les différentes approches de modèle de Deep learning afin de les adapter à notre problématique de détection des défauts sur des lignes électriques.

**Profil**:
**Profil recherché**- Etudiant de master ou école d’ingénieur
- Intérêt pour l’IA et les modèles génératifs
- Un bagage sur le Deep Learning
- Traitement du signal
- A l’aise avec la programmation (python)
- Maîtrise des librairies scientifiques
- Familiarité avec TimeGAN serait un plus
- Autonomie et curiosité.

**Prise de fonction**:

- 03/02/2025