STAGE - Mise en œuvre du principe de maintenance prédictive sur un centre de traitement spatial (H/F)

Stage Par Thales
  • Développement informatique
  • Toulouse
  • A négocier

Description

STAGE - Mise en œuvre du principe de maintenance prédictive sur un centre de traitement spatial (H/F)

INTITULE DU POSTE : STAGE de Mise en œuvre du principe de maintenance prédictive sur un centre de traitement spatiale (H/F)

TYPE DE CONTRAT : Stage conventionné de 4 à 6 mois

LIEU : Toulouse (31), Site de Labège


QUI SOMMES-NOUS ?

Rejoignez Thales, leader mondial des technologies de sûreté et de sécurité pour les marchés de l'Aérospatial, du Transport, de la Défense et de la Sécurité . Fort de 62 000 collaborateurs dans 56 pays , le Groupe bénéficie d'une implantation internationale qui lui permet d'agir au plus près de ses clients, partout dans le monde .

Nos équipes de l' activité Systèmes d'information critiques et cybersécurité fournissent des services et des solutions globales optimisant la performance, la résilience et la sécurité des systèmes d'information afin de faire face aux ruptures technologiques et aux cybermenaces .

QUI ETES-VOUS ?

Vous êtes étudiant(e) en dernière année d'école d'ingénierie informatique ?
Vous possédez une très bonne connaissance des technologies ELK, Spark, Java, Scala ?
Vous êtes à l'aise sur la lecture et la rédaction de documentation en Anglais ?

CE QUE NOUS POUVONS ACCOMPLIR ENSEMBLE :

L'objectif du stage proposé est de mettre en place une chaine de traitement temps réel sur un cluster de calcul Big Data afin d'en détecter les anomalies au plus tôt.

Le stage s'effectuera dans le cadre du projet Gaia, projet scientifique européen de cartographie de notre galaxie. Le Data Processing Centre du CNES, mis en place par Thales, se base sur des technologies héritées de l'écosystème Hadoop : Yarn, Spark, HDFS. Un outillage basé sur la suite ELK a été mis en place afin de centraliser les logs du cluster. TopBeat et Zabbix permettent d'analyser les consommations matérielles du cluster en temps réel.

En nous rejoignant, vous vous verrez confier les missions suivantes :

· Injection des données toutes les n secondes (Logstash, Spark)
· Application du modèle calculé à la volée avec Spark Streaming, Spark MLlib (Machine Learning), Prelert
· Notification des anomalies détectées
Cette analyse devra corréler des sources de données hétérogènes (logs, consommations matérielles).

La perspective de rejoindre un Groupe innovant et une équipe dynamique vous motive ?

Alors rejoignez-nous en postulant à cette offre.

Découvrir la Page Entreprise

Ils ont travaillé ici