Ingénieur EPM - Systèmes Embarqués, Validation & Intégration Hardware/Software

Intégration à la direction PULSIV de la SNCF en tant que stagiaire ingénieur pour concevoir et développer un assistant IA dédié à l'analyse des performances des systèmes d'information voyageurs.

• Conception et développement d'un assistant IA embarqué pour l'analyse des performances des systèmes d'information voyageurs.
• Mise en place d'une architecture LLM solide et structuration d'un pipeline de données complet de bout en bout.
• Intégration et gestion de prompts contextuels pour optimiser la pertinence des réponses de l'IA.
• Configuration de tableaux de bord interactifs Power BI en utilisant le langage DAX pour le monitoring opérationnel en temps réel.
• Présentation des indicateurs de performance clés (KPIs) lors des points d'avancement réguliers auprès des équipes métier et IT.
• Rédaction de l'ensemble de la documentation technique, incluant les spécifications d'intégration, l'architecture et les rapports de tests.
• Gestion de configuration et versionnage des développements à l'aide de Git.
• Livraison avec succès d'un POC fonctionnel adopté par environ 8 utilisateurs métier, suscitant des retours positifs sur sa prise en main.

Participation aux équipes de CTE Transports pour la supervision opérationnelle et le maintien en conditions opérationnelles des systèmes embarqués.

• Supervision en temps réel d'une flotte d'une vingtaine de véhicules de mobilité douce via un système de tracking embarqué GPS.
• Réduction du temps de traitement des commandes et amélioration de la gestion générale des imprévus sur le terrain.
• Diagnostic et résolution réussie de 3 à 5 dysfonctionnements matériels sur les équipements embarqués, notamment sur les capteurs et modules de communication.
• Réalisation de remontées structurées et documentées concernant les anomalies identifiées sur le matériel.
• Optimisation de la réactivité opérationnelle globale de la flotte de 20 véhicules supervisés.

Réalisation d'un projet académique d'envergure centré sur la conception matérielle et logicielle d'un réseau de capteurs environnementaux.

• Conception et déploiement d'un réseau complet composé de 4 capteurs environnementaux mesurant la température, la pression et les gaz polluants.
• Intégration et configuration des protocoles de communication sans fil LoRa, ZigBee et BLE.
• Programmation de l'acquisition et du traitement de données en C++ sur des cibles STM32 et Arduino.
• Conception du circuit imprimé (PCB) de la carte électronique à l'aide du logiciel KiCad.
• Modélisation 3D de l'enveloppe mécanique du produit sous SolidWorks, puis assemblage et soudage.
• Test réussi du fonctionnement global du PCB livré.

Pilotage d'un projet technique axé sur le développement bas niveau, la cross-compilation et l'intégration de systèmes embarqués sur cibles spécifiques.

• Conception et simulation de circuits logiques combinatoires et séquentiels décrits en langage VHDL sur cible FPGA.
• Déploiement d'une distribution Linux embarqué personnalisée sur Raspberry Pi en utilisant BuildRoot.
• Configuration d'une chaîne de cross-compilation complète pour optimiser le développement d'applications.
• Développement de modules applicatifs bas niveau en C++ s'interfaçant avec le matériel embarqué.
• Rédaction de scripts d'automatisation système en Shell pour le déploiement sur la cible.

Développement d'un projet d'intelligence artificielle visant à concevoir un modèle de classification et à optimiser l'effort d'annotation des données.

• Développement d'une architecture de réseau de neurones convolutifs (CNN) sous TensorFlow et Keras pour la classification d'images et de signaux audios.
• Conception et implémentation d'un pipeline d'apprentissage actif (Active Learning) pour optimiser l'annotation intelligente des données.
• Réduction de 40% du coût global associé à l'annotation manuelle des données grâce au pipeline d'apprentissage actif.
• Fine-tuning et optimisation des hyperparamètres du modèle de Deep Learning.
• Atteinte d'une précision (accuracy) finale d'environ 85% sur les bases de données de test.