Stage - chargé de interpolation par ia des données swot manquantes - h/f

Description de l'offre

L'objectif du stage sera d'implémenter des méthodes d'inpainting pour la reconstruction des données manquantes dans les images SWOT. Actuellement, aucune méthode n'est appliquée.

Tes missions si tu nous rejoins :

- Développer un nouveau réseau de neurones adapté à la problématique tout en étant cohérent(e) avec la dynamique océanique présente pour l'image SWOT.

- Réaliser une comparaison à des méthodes d'interpolation classiques.

- Mener des tests de sensibilité  : déterminer quelles variables autres que la SSH pourront être utilisées, déterminer quelle sera la taille maximale des zones à reconstruire…

- Estimer l'apport de l'inpainting sur les étapes suivantes de la chaîne de traitement.

Profil recherché

Etudiant(e) en dernière année d'école d'ingénieur ou en master 2, tu souhaites développer tes compétences et tes connaissances en intelligence artificielle.

Une bonne maîtrise de la langue anglaise, de python et des bibliothèques d'IA (pytorch, pytorch lightning..) est nécessaire pour mener à bien tes missions.

Des connaissances en océanographie seraient un plus. 

L'ouverture d'esprit, l'aisance relationnelle, la flexibilité, l'autonomie, la curiosité et l'esprit d'analyse sont attendus.

Tu aimes les challenges, tu as l'esprit d'équipe, alors, demain avec l'ensemble des équipes de CLS, nous rendrons nos systèmes plus efficients et utilisés par le plus grand nombre, viens rejoindre l'aventure !

À propos de CLS

Au cœur des enjeux de la planète, CLS, Tech4Good company, filiale du CNES et de la CNP, est une société à mission internationale, pionnière dans la fourniture de solutions d'observation et de surveillance de la Terre.

Opérateur historique des balises Argos, CLS, depuis 1986, avec plus de 900 salariés dans 30 pays et un chiffre d'affaires annuel de près de 170 millions d'euros, figure parmi les spécialistes des services satellitaires en utilisant les technologies spatiales les plus avancées, couplées au génie logiciel et à la data-sciences.

Tu souhaites rejoindre des équipes agiles et dynamiques sur des projets innovants et ambitieux ? Explorer de nouvelles technologies ? Evoluer sur des projets transverses et variés autour des 5 secteurs d'activité de CLS ?

L'équipe Topographie des océans de la BU Environnement & Climat de CLS, recherche un(e) stagiaire pour évoluer et développer ses compétences autour du sujet suivant :

"Interpolation par IA des données SWOT manquantes"

La hauteur de mer (en anglais Sea Surface Height = SSH) est l'une des variables essentielles pour la compréhension, l'observation et le suivi du système climatique terrestre. L'évolution de SSH est aujourd'hui mesurée par un réseau mondial de données in-situ (marégraphes, bouées) et à distance par une constellation de satellites altimétriques. Ces derniers se divisent en 2 catégories : les satellites nadirs dont la mesure s'effectue en 1D et, depuis peu, les satellites à fauchées (SWOT) qui permettent de fournir des données de SSH en 2D.

Depuis plus de 30 ans, CLS, filiale du CNES et de la Compagnie Nationale à Portefeuille est le leader mondial de l'observation de la topographie océanique par satellite. CLS produit quotidiennement des données le long des traces des différents altimètres (Level-3 ; L3), ainsi que des cartes globales et régionales de SSH (Level-4 ; L4). Cette production est basée sur le système DUACS (http://duacs.cls.fr). Ces produits sont ensuite distribués via le Copernicus Marine Service (https://marine.copernicus.eu/).

Une des étapes essentielles de cette chaîne de traitement est la suppression des données aberrantes aussi appelé editing. Elles peuvent être liées la présence de pluie, de bateaux ou d'icebergs notamment (Dibaboure et al, 2024). De nombreux utilisateurs de cette donnée aimeraient toutefois pouvoir la récupérer pour leurs études.