Postuler maintenant!

Stage Ingénieur Machine Learning & Data H/F à Aix-en-Provence

Aix-en-Provence | Bouches-du-Rhône

Description du poste

Atos SE (Société Européenne), est une entreprise leader de services numériques avec un chiffre d'affaires annuel de 12 milliards d'euros et 100 000 collaborateurs dans 72 pays. Atos fournit à ses clients du monde entier des services de conseil et d'intégration de systèmes, d'infogérance et de BPO, de Big Data et de Cyber-sécurité, d'opérations Cloud et des services transactionnels par l'intermédiaire de Worldline, le leader européen et un acteur mondial dans les services de paiement. Grâce à son expertise technologique et sa connaissance sectorielle pointue, Atos sert des clients dans différents secteurs : Défense, Services financiers, Santé, Industrie, Médias, Services aux collectivités, secteur Public, Distribution, Télécoms et Transports.

Atos déploie les technologies qui accélèrent le développement de ses clients et les aident à réaliser leur vision de l'entreprise du futur. Atos est le partenaire informatique mondial des Jeux Olympiques et Paralympiques. Le Groupe est coté sur le marché Euronext Paris et exerce ses activités sous les marques Atos, Atos Consulting, Atos Worldgrid, Bull, Canopy, Worldline.

Votre entité daccueil, BDS Mission Critical System se définit à la fois comme un concepteur et intégrateur de systèmes critiques de haute technologie. Ce positionnement original lui permet de proposer une offre complète exploitant des technologies duales (civiles et militaires) et des solutions innovantes.

Pour plus dinformations : atos.net

Sujet de stage: Machine Learning pour lanalyse de signaux électromagnétiques

Dans le cadre de notre offre de produits dacquisition et danalyse de données du spectre électromagnétique, nous disposons dune solution complète de capteurs et de produits logiciels. Nous cherchons à laméliorer en utilisant les dernières générations dalgorithmes de Data Machine Learning appliquées à ce type de données.

La problématique principale est la détection et lextraction automatique de signatures sur des données brutes enregistrées. Ces données sont volumineuses et elles peuvent être bruitées. Les signatures sont nombreuses et de natures très variables.

Intégré au sein dune équipe dexperts, vous aurez pour tâche détudier les plus-values de ces techniques sur des cas concrets.

Cette étude pourra se baser sur le Framework « TensorFlow » utilisé et développé par Google.

Les connaissances de base des techniques de Machine Learning classique pour la prédiction de variable est un prérequis indispensable.

Vous êtes force de proposition sur les meilleures façons dutiliser ces outils.

Connaissance du Python et/ou du C++.

Une expérience en Machine Learning et de TensorFlow (en utilisant des GPUs) est appréciée.

Bonne capacité rédactionnelle et aisance relationnelle.

Anglais technique indispensable.

Durée du stage : 6 mois

Niveau d'études préparé pendant ce stage : Bac+5

Étudiant(e) en M2 ou dernière année d’école d’ingénieur spécialisée en Machine Learning.

Le poste nécessitant l’accès à des informations pouvant relever du secret de la défense nationale, des habilitations de type « Confidentiel Défense » pourront être requises.

Chez Atos la diversité est au cœur de notre politique RH. C'est pourquoi nos métiers sont tous accessibles aux personnes en situation de handicap, et ce quelle que soit la nature de leur handicap.

Accessible en transport en commun, le stage est basé à Aix en Provence, une des villes préférées des étudiants, ensoleillée, cosmopolite et dynamique.

Le stage peut conduire selon la qualité du travail réalisé à une embauche au sein de nos équipes. Nous considérons le stage comme un tremplin, une première expérience décisive qui vous ouvrira le champ des possibles. Nos stagiaires sont nos talents de demain ! Vous avez le goût du défi ? Nous aussi !

Alors, prêt à relever le défi ?

Date de publication

31-10-2017

Plus d'Informations

Lieu
Aix-en-Provence
Permis de conduire FR/EU exigé
Non
Voiture exigée
Non
Lettre de motivation exigée
Non