STAGE Ingénieur – Optimisation du fonctionnement d’un radar de surveillance - H/F

Construisons ensemble un avenir de confiance

Thales est un leader mondial des hautes technologies spécialisé dans trois secteurs d’activité : Défense & Sécurité, Aéronautique & Spatial, et Cyber & Digital. Il développe des produits et solutions qui contribuent à un monde plus sûr, plus respectueux de l’environnement et plus inclusif. Le Groupe investit près de 4,5 milliards d’euros par an en Recherche & Développement, notamment dans des domaines clés de l’innovation tels que l’IA, la cybersécurité, le quantique, les technologies du cloud et la 6G. Thales compte près de 85 000 collaborateurs dans 65 pays. ​

Nos engagements, vos avantages

• Notre savoir-faire technologique

• Notre attention portée à l’équilibre des collaborateurs

• Un environnement inclusif et bienveillant

• Un engagement sociétal et environnemental reconnu (Thales Solidarity, indice CAC 40 ESG…)

Votre quotidien

L’efficacité d’un radar multifonction dépend de sa capacité à adapter ses mesures en temps réel de manière optimale pour remplir ses objectifs opérationnels. Ce stage a pour but de proposer de nouvelles solutions algorithmiques basées sur l’apprentissage par renforcement (reinforcement learning) et l’intelligence artificielle pour produire un plan de mesures optimal pour un radar de surveillance de l’espace. L’optimalité est mesurée en termes de compromis entre la performance obtenue et le coût d’exécution par le radar.

Pour cela, vous serez chargé de :

• Prendre connaissance de l’état de l’art bibliographique dans le domaine de l’apprentissage par renforcement.
• Concevoir la méthode d’apprentissage (définition de l’état du système, des actions possibles et des récompenses obtenues).
• Implémenter la méthode en Python.
• Interpréter et mettre en valeur des résultats obtenus.

Vous préparez une formation de niveau BAC+5 en école d’ingénieurs en mathématiques appliquées, IA.

Vous maitrisez les bases du deep learning et du machine learning.

Vous avez des expériences académiques ou professionnelles significatives en python, sur des frameworks d’apprentissage comme scikit-learn et d’apprentissage profond comme pytorch ou tensorflow

Vous savez chercher des informations dans la littérature scientifique en anglais.

Vous avez un intérêt pour le domaine spatial et pour l’optimisation mathématique.

Vous avez participé à des projets mettant en œuvre des processus de MLOps (Git, DVC, MLflow, …)

Vous avez une spécialisation en traitement des séries temporelles par IA ou en apprentissage par renforcement

Vous disposez des soft skills qui suivent : esprit d’initiative, curiosité, prise de recul et communication.