Job description
Job Description
La conception de produits fiables et de plus en plus performants, en particulier au regard des émissions de CO2, est au cœur de l'excellence du groupe Safran. Parmi les domaines de la transformation digitale du groupe, l'Engineering 4.0 a pour but de tirer profit des technologies du digital pour rendre le processus 'concevoir' de plus en plus robuste et en augmenter la capacité à produire des designs innovants. L'exploitation des données issues du développement, de la production et de la vie en service des produits Safran est un levier majeur pour atteindre cet objectif d'amélioration.
Au sein de l'équipe Engineering et Manufacturing Data, la/le Data Scientist aura pour mission de qualifier et développer des methodes de traitement et analyse des données issues des bancs lors des essais en R&D (processus de développement et de mise à point de nouveaux produits): time series venant de capteurs placés sur le banc ou sur le produit testé ou KPI issus notamment de l'analyse de performance.
Vous êtes désireux(se) de découvrir des environnements, des challenges multiples et variés autour du thème du traitement de données dans un contexte opérationnel.
Vous êtes enthousiaste à l'idée de rejoindre et d'accompagner une structure dynamique et Innovante au sein d'un grand groupe. Vous êtes volontaire pour aller progressivement au contact du terrain et ponctuellemet d'évoluer au sein d'un environnement de production de hautes technologies.
Dynamique et prêt(e) à vous investir pour aider, vous avez de bonnes qualités relationnelles, le sens du contact, de l'écoute et le gout pour le travail en équipe. Vous aimez synthétiser et rendre pédagogiques les sujets que vos compétences propres vous permettent de comprendre.
Job Requirements
- Une première expérience dans le traitement algorithmique de données capteurs
- Une bonne maîtrise de Python et, si possible, d'un langage plus bas niveau orienté objets (C++, C#, Java)
- Des bonnes bases en statistiques et Machine Learning
- Des connaissances des methodes classiques de traitement du signal, en particulier vibratoires (Fourier, wavelets, methodes de filtrage, ...)
- Des connaissances solides sur l'exploitation des base de données rélationnelles
- Un fort intérêt par l'exploration d'applications du Machine Learning en dehors des cas 'classiques', en particulier à l'interface avec les techniques de simulation aux éléments finis et traitement du signal
- Une appétence pour le travail aux côtés des métiers qui exercent leur expertise dans la réalisation de plans d'expérience sur bancs d'essais physiques et sur simulateurs