Type contrat : Stage
Description du poste :
Dans le cadre de la transition vers une aviation plus respectueuse de l’environnement les concepts d’avions plus électriques (More Electric Aircraft) et l’électrification de la propulsion sont amenés à se développer. Un des effet est la complexification significative des cœurs électriques permettant de distribuer l’énergie électrique dans les aéronefs. Cette complexité accrue rend difficile l’élaboration des logiques de pilotage optimisées pour ces cœurs électriques. Le reinforcement learning (RL), ou apprentissage par renforcement, une branche du Machine Learning, est une approche prometteuse pour adresser ces défis. Ce stage s’inscrit dans la continuité d’un projet précédent ayant déjà exploré l’application du RL dans ce domaine.
1. **Compréhension du Sujet Précédent** :
– Se familiariser avec les résultats et les méthodologies employées durant le stage précédent.
– Identifier les points forts et les limitations des approches précédemment explorées.
2. **Outils et Technologies** :
– Utiliser les bibliothèques de RL telles que StableBaseline, OpenAI Gym, TensorFlow, ou PyTorch pour développer et entraîner des modèles.
– Développer des environnements de simulation représentatifs des systèmes énergétiques des avions et intégrant les règles métier.
3. **Développement de Modèles de RL** :
– Tester et comparer différentes stratégie d’apprentissage de RL telles que Q-learning, Deep Q-Networks (DQN), et les Approches Basées sur les Politiques (comme PPO, A3C).
– Implémenter des algorithmes pour optimiser le pilotage des cœurs électriques.
4. **Validation et Optimisation** :
– Évaluer les performances des modèles vis-à-vis des règles métier et des objectifs de disponibilité de l’énergie électrique.
– Optimiser les hyperparamètres des modèles pour améliorer leurs performances.
– **Connaissances en Machine Learning** : Compréhension des concepts de base du machine learning et du reinforcement learning.
– **Programmation** : Maîtrise de Python et expérience avec des bibliothèques de ML comme TensorFlow ou PyTorch.
– **Analyse de Données** : Capacité à analyser et interpréter les données issues des simulations.
– **Compétences en Communication** : Bonnes capacités rédactionnelles pour documenter et présenter les résultats.
Ville : BLAGNAC
Niveau d’études min. requis : BAC+5
