Le stage s’inscrit dans l’amélioration continue d’un outil d’OAD existant, reposant sur une combinaison de données satellitaires multi-temporelles (indices de végétation), de méthodologies statistiques et de machine learning et de courbes de référence de croissance. Plusieurs pistes d’amélioration de cet outil ont été identifiées. Le/la stagiaire sera amené(e) à les explorer à travers une démarche d’analyse structurée, à en évaluer les apports et les limites, et à être force de proposition dans la formulation de recommandations et de conclusions opérationnelles.

VOS MISSIONS :

Encadré(e) par un data scientist et en interaction avec des experts agronomiques, vous serez amené(e) à travailler sur tout ou partie des axes suivants, en menant une démarche scientifique structurée :

· Analyser et améliorer des méthodologies statistiques appliquées à des données agronomiques et satellitaires (intervalles de confiance, loi de distributions, robustesse, biais, sensibilité aux paramètres)

· Concevoir et tester des modèles de machine learning (classification, détection de dérives, exploitation de séries temporelles, approches multi-variables)

· Travailler sur la qualité et la fiabilité des données (détection de données aberrantes, filtres qualité, impact des données imparfaites sur les modèles)

· Exploiter et interpréter des indices de végétation et données d’imagerie satellite (compréhension agronomique, limites physiques, complémentarité des indices)

Les différents axes traités lors du stage ainsi que le cadre de travail associé seront définis avec le/la stagiaire, en fonction de ses appétences, de ses compétences et de la durée du stage.

Vous avez un intérêt marqué pour l'innovation et l'analyse de données, ainsi qu’une sensibilité aux enjeux du secteur agricole.

Formation : En cours de formation Bac+4/5 en data science, intelligence artificielle ou statistiques, ou issu(e) d'une formation agronomique avec une spécialisation en data science.

Compétences techniques :

· Maîtrise de Python nécessaire

· Capacité à adopter une démarche scientifique structurée (formulation d’hypothèses, expérimentation, analyse critique des résultats).

· Connaissance des bibliothèques de machine learning et d'analyse de données (Scikit-learn, Pandas)

· Connaissances solides en statistiques appliquées (tests, intervalles de confiance, lois de distribution)

Soft Skills :

· Esprit critique et capacité d’analyse

· Curiosité et envie d’apprendre

· Capacité à travailler en équipe pluridisciplinaire

· Autonomie et force de proposition

Infos Pratiques : 

Durée de l’alternance : 4 à 6 mois

Rythme souhaité : Pas de préférence


Qu’avons-nous à offrir ?


- Une prise en charge de l’abonnement transport en commun à hauteur de 75%

- Un comité interentreprise

- Des accords de participation et d’intéressement

- Une participation aux repas

- Un bâtiment dédié aux activités sportives et culturelles

- Une vie interne dynamique : Afterwork, teambuilding…

Rejoignez-nous pour une expérience enrichissante au sein d’une équipe passionnée par la data !