Développement et évaluation de modèles de machine learning pour l’analyse forensique appliquée à la prédiction de spectres des agents du risque chimique. DGA - DRH

Dans le cadre du développement d'approches forensiques appliquées au risque chimique, l'apprenti aura pour objectif d'évaluer et optimiser des outils de machine learning pour la prédiction de données physico-chimiques. Les attendus sont :

1. Prise en main des principaux packages Python, R et des modèles existants pour le machine learning.

2. Proposition d'un plan de tests avec un panel de méthodes de machine learning adaptées aux données d'entrée.

3. Développement de workflows pour la génération de jeux de données physico-chimiques simulées.

4. Mise en service des scripts au sein du laboratoire (rédaction de documentation, tests des scripts au sein de différents environnements et échanges avec les analystes).

La connaissance de la chimie et du domaine NRBC n'est pas nécessaire à la réalisation de ce projet, en revanche une bonne curiosité scientifique serait un vrai atout.

Localisation : 91710 Vert-le-Petit