Nous rejoindre
Offre d’emploi
Le développement de l’éolien en mer en France et en Europe soulève des questions environnementales et sociétales majeures concernant les interactions entre les infrastructures et la biodiversité. Cette problématique est au cœur des travaux du département « Biodiversité & Interactions » de France Énergies Marines (FEM), qui porte le projet de R&D AVOCET, dans lequel s’inscrit ce stage.
Le projet vise à améliorer la caractérisation des flux migratoires d’oiseaux terrestres en milieu marin afin de mieux évaluer les risques de collision avec les éoliennes offshores. Il s’appuie sur les réseaux de radars météorologiques français et britanniques, qui permettent d’observer les mouvements biologiques (insectes et oiseaux) le long des façades côtières européennes. L’exploitation de ces données doit contribuer à mieux décrire les routes migratoires au cours des migrations prénuptiale et postnuptiale, et à estimer les densités d’oiseaux à proximité des parcs éoliens en mer, existants ou projetés.
Mené en collaboration avec Météo-France (Toulouse) et l’Université de Leeds (Royaume-Uni), le projet vise notamment à développer des méthodes fiables de classification des échos radar. En effet, les radars météorologiques détectent différents types d’échos – précipitations, échos de mer ou de sol, échos biologiques (oiseaux et insectes) – qu’il est nécessaire de distinguer pour fiabiliser les estimations des flux migratoires. Ce stage s’inscrit dans le work package 2 (WP2) du projet AVOCET, consacré au développement d’un outil de classification supervisée des échos radar météorologiques fondé sur l’apprentissage profond (deep learning).
Le ou la stagiaire contribuera aux travaux menés dans le WP2 en prenant en charge l’implémentation et l’évaluation d’une approche de classification des échos radar météorologiques, fondée sur un réseau de neurones convolutifs 2D, appliqué à des images radar en coordonnées cartésiennes.
Plus spécifiquement, les missions confiées au ou à la stagiaire seront les suivantes :
Le ou la stagiaire travaillera en étroite collaboration avec la post-doctorante en charge de ces développements, ainsi qu’avec les partenaires scientifiques du projet. Ce stage contribuera à établir un benchmark de référence comparant les résultats obtenus aux autres approches développées par la postdoctorante du projet.
Valorisation scientifique
Le ou la stagiaire sera également amené(e) à valoriser les résultats de ses travaux à travers différentes activités :
Étudiant(e) en dernière année d’école d’ingénieur ou Master 2 avec une formation en écologie quantitative et analyses de données ou mathématiques appliquées (ou équivalent)
Des connaissances en écologie de la migration des oiseaux, une première expérience avec des bibliothèques de deep learning (PyTorch, TensorFlow…) et/ou des serveurs de calcul haute performance, et un intérêt marqué pour l’approche d’intelligence artificielle appliquée au suivi de la biodiversité et aux énergies marines renouvelables seraient un plus.
Aucune requise.
Conformément à la règlementation, à compétences égales, la priorité sera donnée aux personnes en situation de handicap.
