Stage Data Scientist — WiFi Sensing & Human Activity Recognition
- Machine Learning
- Signal Processing
- Time Series
- Edge AI
Zoe Care développe une plateforme de Physical AI capable d’interpréter l’activité humaine à partir des variations des signaux Wi-Fi ambiants.
Notre technologie combine WiFi Sensing, traitement du signal, machine learning et Edge AI pour comprendre ce qui se passe dans un environnement réel, sans caméra ni dispositif porté, avec une approche respectueuse de la vie privée.
Notre première application, ZoeFall, détecte les chutes de personnes âgées à l’aide d’un dispositif discret installé dans leur lieu de vie.
Après plusieurs expérimentations en conditions réelles, nous entrons dans une nouvelle phase : améliorer la précision, la robustesse et la généralisation de nos modèles afin de déployer notre technologie à plus grande échelle.
Le défi scientifique
Reconnaître une activité humaine à partir des seules variations d’un signal Wi-Fi constitue un problème scientifique particulièrement exigeant. Notre technologie doit notamment :
- acquérir et interpréter des signaux radio complexes ;
- extraire des informations pertinentes de séries temporelles bruitées ;
- distinguer des activités et des événements parfois très proches ;
- rester performante dans des pièces et configurations différentes ;
- fonctionner localement sur des dispositifs aux ressources limitées.
Le sujet se situe à l’intersection du machine learning, du deep learning, du traitement du signal, des télécommunications radio, de l’analyse de séries temporelles, de la modélisation expérimentale et de l’intelligence artificielle embarquée.
Tes missions
- Construction, qualification et structuration de datasets issus de campagnes expérimentales
- Exploration et visualisation de données Wi-Fi complexes
- Prétraitement, filtrage et transformation des signaux
- Développement de modèles de classification d’activités humaines
- Conception de protocoles d’entraînement, de validation et de test
- Optimisation de la précision, du rappel et des faux positifs
- Amélioration de la robustesse face aux changements de pièces, d’utilisateurs et de configurations
- Analyse des erreurs et des cas limites observés en conditions réelles
- Optimisation des modèles pour leur exécution sur des dispositifs Edge AI
- Veille scientifique et expérimentation de nouvelles approches issues de la recherche
Tu pourras également participer à des campagnes de mesure et à des déploiements pilotes en EHPAD.
Profil recherché
Élève ingénieur ou étudiant niveau Master 2, en stage de fin d’études ou année de césure, avec une spécialisation en :
- machine learning
- data science
- intelligence artificielle
- traitement du signal
- mathématiques appliquées
- ou domaine équivalent
Idéalement
- Très bonne maîtrise de Python
- PyTorch, TensorFlow, Scikit-learn ou équivalent
- Solides bases en probabilités, statistiques, optimisation et algèbre linéaire
- Expérience avec des séries temporelles ou des données capteurs
- Méthodologie rigoureuse d’expérimentation et d’évaluation
- Capacité à analyser des problèmes ouverts et à formuler des hypothèses
- Autonomie et curiosité
Un plus
- Digital signal processing
- Telecommunications / radio signals
- CNN, RNN, LSTM, Transformers
- Anomaly detection / Human Activity Recognition
- Quantization, compression, embedded AI
- Applied research & physical systems
Ce que tu trouveras chez Zoe Care
- Un sujet scientifique à la frontière entre recherche et produit
- Un impact direct sur une technologie deeptech déployée en conditions réelles
- Accès à l’environnement scientifique de CentraleSupélec
- Accompagnement direct par le CTO, docteur en physique et enseignant-chercheur
- Forte autonomie et responsabilité sur les expérimentations
- Cycles courts entre collecte de données, modélisation, tests et amélioration
- Projet à impact au service des personnes âgées et des professionnels du soin
- Communauté entrepreneuriale et scientifique de 21st by CentraleSupélec
- Activités sportives hebdomadaires
- Accès au restaurant universitaire