Le Groupe Air France-KLM dispose de son propre MRO (maintenance, réparation et révision) : Air France Industries KLM Engineering & Maintenance. Son rôle est de garantir la bonne opérabilité des systèmes et appareils des flottes Air France, KLM et des compagnies aériennes clientes. AFI KLM E&M a créé Prognos®, sa propre marque de maintenance prédictive. Une équipe de Data Scientists travaille quotidiennement à développer les produits de cette marque afin de prédire et anticiper les incidents opérationnels pour les flottes Airbus et Boeing. Prognos® vise à augmenter la fiabilité opérationnelle en anticipant les besoins de maintenance, ce qui minimise les aléas d’exploitations et leurs coûts.

Rattaché.e au département Data / OR & AI de la Direction Informatique, au sein de la Data Factory d’Air France-KLM, votre mission consistera à effectuer une analyse mathématique / statistique du système sur lequel portera l’étude, et développer / entraîner un ou plusieurs modèles permettant d’identifier sa dégradation.

Vous testerez et évaluerez vos modèles sur des données réelles d’une ou de plusieurs flottes et pourrez être amené.e à industrialiser votre solution.

Vous travaillerez au sein de l’équipe de Data Scientists du domaine Engineering et Maintenance, et en collaboration avec l’équipe métier Prognos® composée d’ingénieurs maintenance.

Nous cherchons un.e élève en formation d’ingénieur en stage de fin d’études.

Vous êtes intéressé.e par les problématiques du Machine Learning, la détection d’anomalie et leurs applications dans le domaine du transport aérien.

Rigoureux.se, autonome, vous avez de bonnes aptitudes relationnelles, et êtes force de proposition. Vous avez de bonnes capacités d’analyse et de synthèse et êtes à l’aise pour présenter vos résultats. Vous êtes intéressé.e par l’étude de modèles à l’état de l’art, et dont l’application nécessite un effort d’étude.

Vous maîtrisez le langage Python ainsi que les librairies usuelles en data science & machine learning (pandas, scikit-learn). Une expérience avec les modèles non supervisés de détection d’anomalies sera un avantage.

Vous êtes par ailleurs curieux.se du fonctionnement intrinsèque des modèles de Machine Learning y compris sur le plan mathématique.