Data Scientist Health Monitoring F/H

Chez Safran Analytics, vous intégrerez l'équipe en charge du développement et du déploiement de solutions innovantes pour le suivi d'état des équipements. Vous participerez à la conception et au développement de modèles statistiques et de machine learning exploitant les données capteurs issus de systèmes complexes. Votre travail permettra de fournir des indicateurs fiables et prédictifs, au service des experts métiers. Vous participerez aussi à l'initiative Inner Source du groupe Safran : une démarche « open source interne » consistant à créer et partager des packages, outils et bonnes pratiques réutilisables par l'ensemble des sociétés du groupe Safran, afin de mutualiser le savoir-faire via un socle commun et d'accélérer l'innovation., Explorer et modéliser des données issues de capteurs et systèmes avioniques, souvent en grande volumétrie et forte variabilité.

• Développer et valider des modèles de prédiction (RUL - Remaining Useful Life, détection d'anomalies, pronostic de défaillances).
• Mettre en œuvre des méthodes statistiques et d'analyse de séries temporelles complexes.
• Concevoir des algorithmes robustes et adaptés au passage à l'échelle et au traitement temps quasi-réel.
• Contribuer à la documentation et au partage de code et solutions dans le cadre de l'Inner Source.
• Présenter les résultats techniques de manière compréhensible pour des experts métiers et des non-spécialistes.

Diplôme Bac+5 ou ingénieur en mathématiques appliquées, informatique, data science ou disciplines proches. Expérience de 2 ans minimum sur des projets concrets de data science. Compétences techniques :

• Maîtrise de Python et des bibliothèques de machine learning / deep learning (Pytorch, Jax).
• Expérience en modélisation prédictive, détection d'anomalies, séries temporelles.
• Bonne connaissance des bases de données SQL et des environnements cloud (AWS privilégié).
• Notions de MLOps et bonnes pratiques de développement logiciel (tests, CI/CD, conteneurs).

Les systèmes aéronautiques modernes génèrent des quantités massives de données tout au long de leur cycle de vie. Ces données contiennent des informations essentielles pour surveiller l'état des équipements, détecter des anomalies précocement et optimiser la maintenance.