Votre mission Vous rejoindrez notre équipe R&D pour travailler sur le traitement avancé des séries temporelles issues de nos capteurs : - Détecter et corriger automatiquement les anomalies de mesure (condensation, obstruction, bruit aléatoire, zone aveugle, perte de réseau etc.) - Mettre en œuvre et améliorer des méthodes de lissage (Z-Score, filtres médians, ondelettes.) pour obtenir des courbes fiables sans perte d'information pertinente - Développer et entraîner des modèles de prévision (LSTM, modèles statistiques ou hybrides) pour estimer l'évolution des niveaux de remplissage à T+n - Optimiser les hyperparamètres via des approches avancées (optimisation bayésienne.) - Évaluer les performances (RMSE, MAPE.) et déployer les algorithmes en production dans notre infrastructure cloud (Docker, Kubernetes) Profil recherché - Formation Bac+5 en Data Science, Statistiques, Mathématiques appliquées ou équivalent - Solide maîtrise de R ou Python et des librairies data science (Pandas, NumPy, Scikit-learn, SciPy, TensorFlow/Keras ou PyTorch) - Expérience en traitement de séries temporelles et détection d'anomalies - Connaissances en modélisation prédictive et optimisation d'hyperparamètres - Goût pour la mise en production de modèles et le travail sur des données issues de l'IoT - Curiosité, autonomie et envie de contribuer à des projets concrets ayant un impact environnemental positif Ce que nous offrons - Un environnement technique stimulant mêlant IoT & cloud - Des projets innovants et visibles avec un fort impact sur la gestion des déchets - Une équipe passionnée et bienveillante - Locaux à Rennes avec télétravail partiel possible (2 jours par semaine) Poste à pouvoir dès que possible