Stage M2 : Ingénierie de données

Le stage vise à mettre en place le socle expérimental d'un projet de recherche qui vise à développer une brique technologique combinant IA et théorie des fonctions de croyance pour la fusion robuste de données multi-sources. Le/la stagiaire construira un jeu de données v0 exploitable à partir d’au moins deux sources hétérogènes (ex. visuel, thermique, données environnementales), définira un scénario d’étude représentatif et un protocole d’évaluation initial permettant de comparer des approches et d’illustrer l’impact de l’incertitude et du conflit entre sources.

Objectifs du stage :

• Identifier, collecter et structurer un jeu de données v0 exploitable (à minima 2 sources) avec un schéma de métadonnées minimal (timestamps, IDs, conditions de capture).
• Proposer différents scénarios d’étude, incluant un scénario de référence et un scénario dégradé (données manquantes, bruit, divergence entre sources).
• Mettre en place une chaîne de préparation des données (nettoyage, synchronisation/alignement, formatage) et documenter la procédure.
• Construire un protocole d’évaluation reproductible (split/validation, baselines, métriques, conditions de test).

Profil recherché

En dernière année d’école d’ingénieur, M2 ou Niveau BAC+5 : Informatique, IA, robotique, traitement du signal

Compétences scientifiques et techniques recherchées :

• Très bonne maîtrise de Python et des bibliothèques de traitement de données, ainsi qu’une capacité à structurer et manipuler des jeux de données hétérogènes.
• Expérience ou intérêt marqué pour l’ingénierie des données
• Capacité à définir et mettre en œuvre un protocole expérimental reproductible et à produire des résultats synthétiques et interprétables.
• Bonnes pratiques de développement : Git, organisation de code, documentation (README), rigueur et autonomie.
• Bon niveau de communication écrite et orale pour documenter les choix méthodologiques et restituer les résultats.

Un plus si vous avez de l’expérience : en Computer Vision, traitement de données capteurs (IMU, GPS, thermique), notions de fusion multi-sources et/ou de gestion de l’incertitude, connaissances sur systèmes embarqués.