SOREDAB est constamment à la recherche de nouvelles méthodologies pour améliorer ses processus de prévision et d'analyse de données. L'objectif de ce stage est d'explorer l'utilisation des Grands Modèles de Langage (LLM) et notamment des réseaux de neurones « Transformers » pour améliorer nos modèles de prévision de séries temporelles.
Le stage s'articulera autour d'un cas d'application multidimensionnel précis et pour lequel nous disposons d'ores et déjà de données conséquentes mais aussi de modèles prédictifs de type M-ARIMA.
Missions/ - Étudier l'état de l'art des LLM, des réseaux de neurones Transformers, et leurs applications dans la prévision de séries temporelles.
- Implémenter et entraîner des modèles sur des jeux de données de séries temporelles spécifiques.
- Comparer les performances de ces modèles avec celles des méthodes de prévision « classiques ».
- Rédiger des rapports d'analyse et présenter les résultats aux équipes concernées.
Ce stage sera une opportunité de confronter vos compétences en data science à des applications concrètes. Rattaché au département Technologies & Procédés de Soredab, vous rejoindrez notre pôle data sciences qui est en plein développement. Vous interviendrez dans un environnement scientifique de haut niveau, qui reste cependant en contact étroit et permanent avec l'application métier.
Formations et compétences requises :
Vous êtes dans un cursus de formation Bac +5 avec une spécialisation en Data Science et vous avez un attrait
particulier pour le secteur agroalimentaire.
Vous disposez de connaissances solides sur les langages de programmation scientifique (idéalement python) et
peut être une connaissance de l'environnement Azure DataBricks.
Vous montrez un intérêt pour les technologies d'IA et les innovations dans le domaine de la Data Science et
disposez de connaissances théoriques relatives au Machine Learning ou à l'inférence causal.
Vous êtes reconnu(e) pour vos qualités relationnelles et votre capacité à travailler de manière agile et
collaborative.
Le Groupe Savencia et particulièrement SOREDAB, est constamment à la recherche de nouvelles méthodologies
pour améliorer ses processus d'analyse de données. Les méthodes de Machine Learning se montrent très
performantes pour identifier des patterns dans les données et faire des prédictions. Cependant, ces modèles
basés sur l'existence de « corrélations » entre données ne s'appuient sur aucune structure de causalité et
s'avèrent insuffisants pour améliorer la compréhension des phénomènes ou permettre de quantifier l'impact
d'une intervention.
sur le site du recruteur.