Stage – Ingénieur Datascience F/H

Framatome recherche un(e) stagiaire de fin d’études (Bac+5) pour rejoindre un projet à fort impact autour de la data industrielle. Vous contribuerez à la conception et au développement d’un outil innovant d’analyse automatique de données issues de nos usines, en particulier des séries temporelles.

Votre défi : repousser les limites des approches classiques en développant un système à la fois robuste, modulaire et industrialisable.

Vous travaillerez sur un outil capable de comprendre des structures de données complexes, de sélectionner les données pertinentes et de lancer automatiquement des analyses statistiques et de machine learning adaptées aux besoins utilisateurs.

Ce projet s’inscrit au cœur des enjeux industriels actuels, avec pour ambition de contribuer à la conception de jumeaux numériques et à l’identification des paramètres influents.

Formation
Étudiant(e) en Bac+5, en stage de fin d’études (école d’ingénieur ou Master spécialisé en IA, data science, mathématiques appliquées ou informatique à dominante data).

Spécialisation
Vous avez une spécialisation en intelligence artificielle, data science, mathématiques appliées ou informatique, avec une forte appétence pour la donnée.

Compétences techniques

- Programmation:
Excellente maîtrise de Python : structures de données, programmation orientée objet, typage, tests et packaging.

- Data & Machine Learning:
Solides bases en machine learning (supervisé et non supervisé), en statistiques et en modélisation.
Maîtrise des bibliothèques clés : Pandas, NumPy, Scikit-learn (régression, classification, clustering, métriques).
Bonne compréhension des fondamentaux statistiques : tests d’hypothèses, corrélations, distributions.

- Manipulation de données:
Très à l’aise avec Pandas et NumPy ; la connaissance de Polars ou Dask est un plus.

- LLM & systèmes d’agents:
Fort intérêt pour les LLM et les architectures d’agents (LangChain, LangGraph), ou réelle motivation à monter rapidement en compétence.
Notions de function calling / outils pour LLM appréciées.

️ Bonnes pratiques de développement
Vous accordez une attention particulière à la qualité du code : lisibilité, maintenabilité et structuration.

Vous êtes familier(e) avec :

- Git et les revues de code
- La documentation (Markdown, idéalement Sphinx)
- Les bonnes pratiques de développement (PEP8, tests unitaires avec pytest, gestion d’environnements, packaging)
- Des notions de CI/CD et de conteneurisation (Docker) sont un plus

Qualités personnelles
Autonome et curieux(se), vous faites preuve d’un fort esprit d’analyse.
Vous êtes capable d’interagir avec des interlocuteurs métiers et de comprendre leurs enjeux.

Langues
Français courant requis, anglais technique indispensable.

Formation
Étudiant(e) en Bac+5, en stage de fin d’études (école d’ingénieur ou Master spécialisé en IA, data science, mathématiques appliquées ou informatique à dominante data).

Spécialisation
Vous avez une spécialisation en intelligence artificielle, data science, mathématiques appliées ou informatique, avec une forte appétence pour la donnée.

Compétences techniques

- Programmation:
Excellente maîtrise de Python : structures de données, programmation orientée objet, typage, tests et packaging.

- Data & Machine Learning:
Solides bases en machine learning (supervisé et non supervisé), en statistiques et en modélisation.
Maîtrise des bibliothèques clés : Pandas, NumPy, Scikit-learn (régression, classification, clustering, métriques).
Bonne compréhension des fondamentaux statistiques : tests d’hypothèses, corrélations, distributions.

- Manipulation de données:
Très à l’aise avec Pandas et NumPy ; la connaissance de Polars ou Dask est un plus.

- LLM & systèmes d’agents:
Fort intérêt pour les LLM et les architectures d’agents (LangChain, LangGraph), ou réelle motivation à monter rapidement en compétence.
Notions de function calling / outils pour LLM appréciées.

️ Bonnes pratiques de développement
Vous accordez une attention particulière à la qualité du code : lisibilité, maintenabilité et structuration.

Vous êtes familier(e) avec :

- Git et les revues de code
- La documentation (Markdown, idéalement Sphinx)
- Les bonnes pratiques de développement (PEP8, tests unitaires avec pytest, gestion d’environnements, packaging)
- Des notions de CI/CD et de conteneurisation (Docker) sont un plus

Qualités personnelles
Autonome et curieux(se), vous faites preuve d’un fort esprit d’analyse.
Vous êtes capable d’interagir avec des interlocuteurs métiers et de comprendre leurs enjeux.

Langues
Français courant requis, anglais technique indispensable.