Stage de 6 mois Nous recherchons un(e) étudiant(e) pour un stage de fin d'étude ingénieur portant sur la recherche d'une méthode d'interpolation sous contraintes de courbes 3D (NURBS). Ce projet intègre une dimension de retro engineering, visant à analyser et comprendre les résultats d'interpolation renvoyés par une fonction « boîte noire » fournie par un modeleur CAO industrielle servant de référence. En s'appuyant sur cette analyse, l'objectif est de proposer et de développer des nouvelles méthodes d'interpolation donnant des résultats similaires en explorant les deux approches complémentaires suivantes : 1.Recherche d'une fonction paramétrique basée sur l'expression mathématique d'une NURBS et sur la prise en compte de différentes contraintes géométriques, 2.Développement et exploration de méthodes de Machine Learning et Deep Learning pour approximer une méthode d'interpolation à partir d'un jeu de données généré par la fonction « boîte noire ». Le/la candidat(e) aura pour principales missions de : 1.Recherche d'une fonction paramétrique : o Étudier les fondements théoriques des NURBS et leur utilisation pour les interpolations de courbes 3D. o Analyser les résultats de la méthode d'interpolation implémentée dans la fonction « boîte noire » (retro engineering) pour en extraire les éléments clés. o Proposer et développer une méthode d'interpolation NURBS la plus approchante possible. o Valider et tester la méthodologie avec des cas d'usage représentatifs. 2.Développement de techniques de Machine Learning / Deep Learning : o Concevoir et implémenter des techniques adaptées de Machine Learning et Deep Learning (modèles de régression, réseaux de neurones, etc.) pour approximer l'interpolation NURBS de courbes 3D à partir d'un jeu de donnée généré par la fonction « boîte noire ». o Optimiser et évaluer les modèles développés. o Comparer les performances des différentes approches testées pour identifier la solution la plus robuste et précise. o Valider et tester la méthodologie avec des cas d'usage représentatifs. Étudiant(e) en dernière année d'école d'ingénieurs ou en master, spécialisé(e) en data science et mathématiques appliquées * Solides connaissances en géométrie algorithmique et modélisation paramétrique, * Connaissances techniques en Machine Learning et Deep Learning (modèles supervisés, régression, sélection de modèles, conception et entraînement de réseaux de neurones .), * Outils et bibliothèques : Python, NumPy, Pandas, Matplotlib, Seaborn, Scikit-Learn, TensorFlow, PyTorch, Keras.), * Curiosité scientifique et appétence pour l'innovation appliquée, * Autonomie, rigueur, et capacité d'analyse, * Bonne communication et esprit d'équipe.