Data Scientist (H/F)

industrielles. Votre mission sera de concevoir, tester et améliorer des méthodes d’analyse de signaux électriques et de séries temporelles appliquées aux machines tournantes triphasées (typiquement: moteurs, pompes, ventilateurs, éoliennes, …). Vous interviendrez sur l’ensemble de la chaîne, de la construction des datasets jusqu’au développement d’algorithmes d’analyse de séries temporelles, statistiques ou de machine learning, en passant par la formulation et la validation d’hypothèses techniques. Vous serez amené(e) à : - Analyser les acquisitions de données et interpréter les résultats issus de différentes sources : projets clients, projets pilotes - Simulations sur banc d’essai - Identifier des cas de défaillance probables sur les machines et conduire, pour chacun d’eux, une analyse détaillée en formulant puis testant plusieurs hypothèses - Concevoir et améliorer des algorithmes de détection, identification et gradation des défauts machines : traitement du signal, analyse

de séries temporelles, analyse statistique, apprentissage automatique - Développer et intégrer les algorithmes dans des librairies robustes, testées et prêtes à être déployées sur nos terminaux IoT et notre backend cloud Nous recherchons un(e) candidat(e) présentant l’un des deux profils suivants : - Diplômé(e) d’une école d’ingénieur de groupe A, avec une spécialisation ou une expérience significative en : Data Science, Statistiques, Analyse de séries temporelles, Intelligence artificielle, Machine Learning - Profil docteur avec forte composante modélisation / traitement de données - Titulaire d’un doctorat, y compris dans un domaine connexe ou plus éloigné de la data science au sens strict, dès lors que le parcours a impliqué : l’analyse de données issues de systèmes physiques ou complexe, le développement de modèles, l’exploitation de méthodes quantitatives ou computationnelles, et une démarche scientifique rigoureuse Compétences attendues

• Programmation et développement d’algorithmes - Analyse de données, statistiques et machine learning - Rigueur scientifique et capacité d’analyse - Maitrise de l’anglais Atouts complémentaires : - Python et librairies data science (Jupyter, Pandas, Scikit-learn) - Django pour le développement backend - Électrotechnique (moteurs électriques) - Traitement du signal et analyse de séries temporelles - Forte curiosité pour les technologies et produits industriels - Autonomie, proactivité et rigueur scientifique - Goût du travail en équipe - Intérêt pour les enjeux liés à la transition énergétique et à l’industrie connectée Cadre forfait, possibilités de télétravail

• Bac+5 et plus ou équivalents Diplôme d’ingénieur - Ecoles du Groupe A
• Bac+5 et plus ou équivalents Doctorat - Modélisation/Traitement de données

Compétences

• Adapter les outils de traitement statistique de données
• Définir et faire évoluer des procédés de traitement de l’information

Langue

• Anglais

Savoir-être professionnels

• Faire preuve de rigueur et de précision
• Faire preuve de curiosité, d’ouverture d’esprit
• Etre force de proposition

Eco-Adapt est une start-up innovante spécialisée dans l’IoT industriel et l’efficacité énergétique, intégrée au groupe Schaeffler depuis 2023. Nous développons et commercialisons deux solutions complètes, combinant matériel et logiciel : Power-Adapt : suivi des consommations énergétiques pour les applications Industrie 4.0 et bâtiment intelligent Predict-Adapt : solution de maintenance prédictive pour machines tournantes (moteurs électriques, pompes, éoliennes, compresseurs.), permettant d’optimiser la disponibilité des actifs industriels et qui s’adresse à des domaines d’application variés tels que les énergies renouvelables, les procédés industriels ou la mobilité Basée au cœur de Paris (9e), Eco-Adapt réunit une équipe d’une trentaine de collaborateurs et connaît une croissance soutenue. Pour accompagner notre développement, notre équipe technique se renforce régulièrement. Eco-Adapt recrute un(e) Data Scientist pour travailler sur l’analyse de signatures électriques de machines