DATA SCIENTIST – DATA ENGINEER SENIOR

Description de la mission

DATA SCIENTIST – DATA ENGINEER SENIOR

Cette mission a pour objectif à partir du processus déjà existant de détection automatique et association des pancartes VLIM (repère de transition de vitesse limite) terrains à l’objet GAIA, d’adapter le processus à mettre en place à toutes les étapes, du taggage à la phase d’association d’objet afin de reconnaître les pancartes restantes du thème IF (installation fixe) pour les signaux de traction électrique terrains et les croisés avec les objets GAIA correspondants.

MISSIONS :

Etape 1 : Identifier les informations extractibles à partir d’images (infos physiques mais non fonctionnelles) pour les chacune des pancartes citées au-dessus.

Etape 2 : Sélection du processus de vision automatique le plus adapté au regard des spécificités des objets à détecter et des caractéristiques des images fournies

Etape 3 : Intégration des nouveaux thèmes à la base d’apprentissage. A partir d’une série d’images à sélectionner, un détourage manuel de chaque signal dans une image doit être effectué.

Etape 4 : Création des modèles de détection pour les pancartes. Chaque signal pourra être détecté en fonction d’un modèle mais la détection pourra être renforcée grâce à des pré ou citées ci-dessus post-process (ex : OCR, analyse géométrique, etc.)

Etape 5 : Implémentation de règles métier de vérification de cohérence pour associer les données GAIA – terrain pour les pancartes listées ci-dessus selon leurs spécificités et évolution de l’application de détection des signaux dans une image pour prendre en compte les pancartes.  Intégration des modèles et industrialisation d’un outil pouvant être déployé.

Il est à noter que l’étape de taggage  effectuée dans le cadre de cette mission ne servent uniquement qu’au besoin du machine learning et de ce fait est réalisé sur échantillon qui devra être suivi par la mise de taggages étendus réalisés par des analystes au vue de la volumétrie des images à traiter.

LIVRABLES

N°

Liste des Livrables

1

Document de conception sur les méthodes retenues pour traiter les pancartes du thème traction électrique

2

Codes sources et exécutable de l’application de taggage supportant les pancartes du thème signal de traction électrique avec notice explicative

3

Lots d’images à tagger et résultats de taggage manuels

4

Modèles pour le machine Learning sur les différentes pancartes

5

Code source avec exécutable de l’application de détection automatique et manuel d’utilisation avec les règles métiers implémentées selon les pancartes

6

KPI BI de couvertures selon les pancartes détectées et associées avec objet GAIA

7

Plan d’exploitation ou DAL mis à jour

8

Résultats de recette aux différentes étapes de l’industrialisation

PROFIL

Technique

• • Formation : Data Scientist – Data Ingénieur
  • Technologie : Réseau de neurones, apprentissage profond et vision automatique, SSIS
  • Certification Microsoft Azure serait un plus
• Métiers
  • Spécialiste référentiels signalisation ferroviaire avec expérience SCNF significative
    • Lecture de plans technique (EF1 B1), reconnaissance des installations du terrain
  • Géomaticien
    • Manipulation des données géographique, territoire métier SNCF
    • Manipulation images, vidéo, nuage de point

1.1      Environnement technique :

·       SIG : ArcGis, QGis

·       DATA : Oracle Géospatial, SQL Serveur (SSIS)

·       Microsoft : Visual Studio 2019 (SSIS), DevOps 2015

·       Langage : Python- SQL – FFMPEG – R -C#