📌 Tâches principales

• Analyse de l’état de l’art (Fog computing, IoT, SoH, suivi du cycle de vie des VE)

• Évaluation des modèles existants de SoH appliqués aux VE et systèmes embarqués

• Acquisition de données réelles de conduite et exploitation de simulations avec le simulateur dynamique SHERPA LAMIH

• Conception et implémentation de modèles hybrides (data-driven et physics-informed)

• Validation expérimentale : suivi temps réel, détection de pannes, robustesse, fiabilité

• Évaluation finale : précision, scalabilité, efficacité des modèles prédictifs

• Diffusion scientifique, rédaction et soutenance de la thèse

  🏛️ Organisation

• Encadrement :

  • Chouki SENTOUH (Professeur, Directeur de thèse, LAMIH UMR CNRS 8201)

  • Marwen AOUINI (Ingénieur R&D, PhD, Dunasys Ingénierie)

  • Imen BOUZARKOUNA (Enseignante-chercheuse, PhD, CESI LINEACT)

• Financement : Projet ANR Battl-EU

• Localisation : Dunasys Ingénierie Nanterre / CESI Nanterre / LAMIH Valenciennes

• Date de début : Novembre 2025

• Durée : 36 mois

• Date limite de candidature : 15 octobre 2025

Compétences scientifiques et techniques

• Master en informatique (obligatoire)

• Modélisation théorique (physique, mathématiques appliquées)

• Machine Learning / Deep Learning (PyTorch, TensorFlow) : séries temporelles, analyse d’images, apprentissage semi-supervisé

• Programmation : Python, C/C++, Bash/Shell

• Maîtrise des environnements GNU/Linux

Compétences relationnelles

• Autonomie, initiative et curiosité intellectuelle

• Capacité à travailler en équipe et collaborer efficacement

• Maîtrise du français et de l’anglais

📨 Candidature

Les candidats intéressés sont invités à envoyer un dossier complet :

• CV détaillé

• Lettre de motivation (intérêts de recherche, objectifs, contacts de deux référents minimum)

• Copie du diplôme de Master

• Relevés de notes (M1 et M2)

• Documents complémentaires (ex. lettres de recommandation, résumé ou lien vers mémoire de Master)