Post-doctorant·e en IA pour l'énergie: modèles de désagrégation de courbes de puissance - CDD 6 mois

Télécom SudParis est une grande école publique d'ingénieurs reconnue au meilleur niveau des sciences et technologies du numérique. La qualité de ses formations est basée sur l’excellence scientifique de son corps professoral et une pédagogie mettant l’accent sur les projets d’équipes, l’innovation de rupture et l’entreprenariat. Télécom SudParis compte 1 000 étudiantes et étudiants dont 700 élèves ingénieurs et environ de 150 doctorantes et doctorants. Télécom SudParis fait partie de l’Institut Mines-Télécom, premier groupe d’école d’ingénieurs en France, et partage son campus avec Institut Mines-Télécom Business School. Télécom SudParis est co- fondatrice de l'Institut Polytechnique de Paris (IP Paris), Institut de Sciences et Technologies à vocation mondiale avec l’École polytechnique, l’ENSTA Paris, l’ENSAE Paris, l'ENPC et Télécom Paris. Vidéo présentation de Télécom SudParis

L'Institut Mines-Télécom (IMT) est un établissement public dédié à l'enseignement supérieur et la recherche pour l'innovation dans les domaines de l'ingénierie et du numérique. À l’écoute permanente du monde économique, l'IMT conjugue une forte légitimité académique et scientifique, une proximité avec les entreprises et un positionnement unique sur les transformations majeures au XXIe siècle : numériques, énergétiques, industrielles et éducatives siècle. Ses activités se déploient au sein des grandes écoles Mines et Télécom sous tutelle du ministre en charge de l’Industrie et des communications électroniques, de deux filiales et de partenaires associés ou sous convention. L'IMT est membre fondateur de l’Alliance Industrie du Futur. Il est doublement labellisé Carnot pour la qualité de sa recherche partenariale. Vidéo de présentation de l'Institut Mines-Télécom

En tant que post doctorant·e, vous contribuer à développer, tester, déployer un premier prototype de surveillance non-intrusive de charge (NILM:Non-Intrusive Load Monitoring) dans les environnements industriels.

L'objectif de ce CDD est de proposer de nouvelles méthodes de NILM pour des applications industrielles et de démontrer leurs performances sur des jeux de données réels. Les travaux pourront notamment porter sur l'intégration de features spécifiques aux données issues de compteurs industriels dans les architectures existantes ou bien sur le fine tuning de model pré-entrainés sur des jeux de données non industriels (résidentiels, tertiaires).

• Doctorant en IA depuis moins de 3 ans, spécialisation en énergie ou maths appliquées ou informatique.

• Maitrise de l’anglais à l’écrit et à l’oral

•   Solide maîtrise des fondamentaux : Python, SQL, DevOps, Git, dataframes et structures de données.

•   Expertise en traitement de séries temporelles et Machine Learning.

•   Compétences en Deep Learning et Apprentissage par Transfert.

•   Capacité à donner et recevoir des feedbacks.

•   Capacités d'encadrement et de transfert de connaissances.

•   Autonomie, rigueur, pragmatisme, curiosité et capacité à travailler en mode recherche.

•   Motivation par une application industrielle, appétence pour l'industrialisation de modèle et la validation pragmatique et rigoureuse de leur performance.

•   Expérience en intégration de systèmes et déploiement en production.

•   Expérience en traitement de données énergétiques.

•   Expérience en systèmes énergétiques ou industriels.

•   Capacité à donner et recevoir des feedbacks.

•   Capacités d'encadrement et de transfert de connaissances.

• Aptitude au travail en équipe au sein de contrats de recherche nationaux ou internationaux, en collaboration avec des partenaires académiques et industriels

• Qualités relationnelles

• Aptitude à la synthèse et à la rédaction

• Sens de l’animation et de l’organisation

• Sens du travail en équipe

• Réactivité, esprit d’initiative et de rigueur

• Curiosité

• Intérêt pour les nouvelles technologies

• Autonomie

• Fourchette indicative de rémunération (hors bonus annuel variable): 35.400 - 38.100 euros bruts annuels, selon le profil et l’expérience (charges salariales réduites en secteur public).