[STAGE] Data Scientist

LGM est un groupe d’ingénierie spécialisé dans les solutions pour les grands projets complexes et les actifs industriels critiques. Nous accompagnons nos clients dans les défis technologiques, sécuritaires et environnementaux de l’Industrie et des Infrastructures. Portés par l’innovation et engagés pour une ingénierie durable, nous intervenons partout en France, ainsi qu’en Europe (Allemagne, Bénélux, Espagne, Italie) et à l’international (Canada, Inde, Maroc), auprès d’acteurs civils et de Défense à la recherche de solutions de sécurisation, d’optimisation et de transformation technologique. Vous rejoignez l'équipe Data Science appliquée à la Sûreté de Fonctionnement, à l'interface entre l'analyse de données et les méthodologies RAMS. Nous exploitons les techniques de data science (machine learning, analyse de séries temporelles, modèles prédictifs) pour améliorer les analyses de fiabilité, traiter les données de retour d'expérience et développer des outils innovants d'aide à la décision pour nos clients dans les secteurs spatial, défense, nucléaire, ferroviaire et aéronautique. Quel sera mon rôle ? Vous intégrez une équipe dynamique d’ingénieurs RAMS basée à Vélizy, au cœur de projets industriels stratégiques dans les secteurs spatial, défense, ferroviaire, nucléaire et aéronautique. Ce stage vous offre une double dimension : opérationnelle et méthodologique. Vos

missions:
Partie opérationnelle (2/3 du temps) – Immersion projets clients :
• Participer activement aux projets data science en cours : traitement et analyse de données de retour d'expérience (REX), développement de modèles prédictifs de fiabilité, analyse de séries temporelles de défaillances, machine learning pour la prédiction de pannes,
• Contribuer à la rédaction de livrables techniques destinés aux clients (rapports d'analyse de données, visualisations, dashboards interactifs, modèles prédictifs documentés, etc.),
• Assister aux réunions projets et échanger avec les équipes techniques clients pour comprendre les besoins métiers, collecter les données et définir les indicateurs pertinents,
• Utiliser les outils data science (Python/R, bibliothèques ML, outils de visualisation, bases de données) et les méthodologies métiers RAMS sur des cas réels industriels. Partie développement méthodologique (1/3 du temps) – Capitalisation méthodologique data science appliquée à la SdF : Recenser, analyser et formaliser l'ensemble des approches data science déployées par les équipes SdF de LGM. Vous réaliserez des entretiens avec les experts internes, documenterez les cas d'usage existants (machine learning pour la prédiction de défaillances, traitement de données de retour d'expérience, analyse de séries temporelles, modèles prédictifs de fiabilité), identifierez les algorithmes et outils utilisés (régression, classification, clustering, réseaux de neurones, arbres de décision), et produirez une synthèse méthodologique structurée incluant bonnes pratiques, limites d'application, recommandations d'usage et exemples sectoriels. Ce livrable permettra d'harmoniser les pratiques, de faciliter le partage de connaissances et de valoriser l'expertise data science de LGM auprès des clients. Vous participerez également à nos activités de R&D autour de notre axe IA de confiance, au sein de notre équipe dédiée. L’ambition que se donne LGM est de mettre sur pied une méthode d’ingénierie outillée permettant de qualifier et quantifier la confiance qu’un opérateur ou un utilisateur est en droit d’accorder à un système qui intègre de l’IA. Depuis l’exploration des comportements des modèles et la compréhension des concepts sous-jacents jusqu’au développement d’une ingénierie dédiée à la confiance des systèmes IA Vous êtes en dernière année d’école d’ingénieur ou en Master 2 avec une spécialisation en data science, statistiques ou domaine équivalent. Vous maîtrisez Python et/ou R ainsi que les principaux outils de machine learning et de traitement de données. Une première expérience en modélisation prédictive ou en analyse de séries temporelles est un plus. Des notions en sûreté de fonctionnement (fiabilité, disponibilité, analyses de défaillances) ou un fort intérêt pour les problématiques RAMS sont attendus, ainsi qu’une bonne capacité rédactionnelle et une aisance à travailler avec des équipes techniques pluridisciplinaires.