← Wszystkie oferty

SCorp-io oferuje platformę do zarządzania technicznego i energetycznego budynkami. Pomaga zespołom technicznym hoteli, jednostek samorządowych i przedsiębiorstw przemysłowych nadzorować urządzenia i ograniczać zużycie energii.

Informacje o SCorp-io
Branża
Oprogramowanie i internet
Model
B2B
Typ firmy
Finansowana przez fundusz venture capital
Etap rozwoju
Startup early-stage
Siedziba
Paris
Oficjalna domena
scorp-io.com
Rok założenia
2021 · 5 lat
Opublikowana liczba pracowników
Liczba pracowników: 26
Opublikowana łączna kwota finansowania
5 M€Źródło ↗
Ostatnia runda finansowania
Early stage · 2026-03-01
Ogłoszona kwota
6 000 000 $
Aktualne oferty
3

Wymienieni inwestorzy

Szczegóły oferty

Pełny opis opublikowany przez SCorp-io.

En tant que ML Data Scientist, tu développeras les modèles permettant à SCorp-io de comprendre, prévoir puis optimiser le comportement thermique et énergétique des bâtiments à partir de leurs données réelles. Tu travailleras notamment à partir de : Températures, Consommations, Météo, Occupation, Calendriers, Consignes, Commandes, Etats des équipements. L’objectif est de construire progressivement une boucle : Modéliser

  • Prévoir
  • Mesurer
  • Optimiser
  • Apprendre Tu travailleras au sein de l’équipe Produit & Tech, en lien étroit avec les développeurs, les experts CVC et les équipes opérationnelles. Tes missions 01 Machine Learning & modélisation Construire des modèles prédictifs du comportement thermique des bâtiments, Modéliser l’inertie, les vitesses de chauffage/refroidissement et les délais entre une commande et son effet, Exploiter des séries temporelles multivariées intégrant météo, occupation et historique de fonctionnement, Prévoir températures, besoins thermiques et consommations, Développer des fonctions d’ Optimal Start / Stop , Comparer différentes approches : modèles statistiques, Machine Learning, modèles dynamiques ou hybrides physique/data. 02 Mesure de performance Construire des baselines et modèles de consommation attendue, Mesurer l’écart entre prédictions et observations, Contribuer à l’évaluation des gains énergétiques et du ROI, Quantifier l’incertitude et détecter les dérives, Définir les conditions dans lesquelles un modèle est suffisamment fiable pour être utilisé. 03 Optimisation et industrialisation À mesure que les modèles gagnent en maturité : Optimiser horaires et consignes selon l’inertie, la météo et l’occupation, Contribuer progressivement à l’optimisation des lois d’eau, lois d’air, PAC, CTA et réseaux hydrauliques, Explorer des approches d’optimisation sous contraintes ou de contrôle prédictif, Participer à la mise en production, au monitoring et à l’amélioration continue des modèles.

Tu disposes d’une solide formation scientifique, data ou ingénieur et maîtrises plusieurs des domaines suivants : Compétences clés Python, NumPy, pandas, SciPy, scikit-learn ou équivalents, Machine Learning supervisé : régression linéaire, Ridge/Lasso, Random Forest, XGBoost/LightGBM ou équivalents, Séries temporelles et forecasting, Statistiques, feature engineering et validation de modèles, Backtesting, MAE, RMSE, R² ou métriques adaptées, Optimisation numérique.

Un vrai plus Une expérience sur plusieurs de ces sujets constitue un vrai plus : identification de systèmes, state-space models, filtres de Kalman, modèles hybrides physique/data, PyTorch ou Deep Learning appliqué aux séries temporelles, Modelica, EnergyPlus ou outils de simulation, MPC / optimal control / optimisation sous contraintes, MLflow, MLOps et monitoring de modèles. Les expériences dans le bâtiment, l’énergie, la thermique, l’industrie, la mécanique, l’IoT ou d’autres systèmes physiques nous intéressent particulièrement.

Une expérience directe du CVC est appréciée, mais une forte expérience en modélisation de systèmes physiques dans un autre domaine peut être tout aussi pertinente.

Un premier échange avec Sébastien, CPO Un entretien avec l’équipe Produit / Tech, Un cas ou échange technique autour d’un problème concret, Entretien final avec l’équipe dirigeante.

Wymagania

  • Machine Learning supervisé
  • Séries temporelles et forecasting
  • Statistiques
  • feature engineering
  • validation de modèles
  • Backtesting
  • Optimisation numérique

Aplikuj na tę ofertę

Jak aplikować?

Oferta jest opublikowana na stronie SCorp-io. Otwórz oryginalną ofertę ↗ aby wysłać aplikację. Screeningpass nie wypełnia formularza za Ciebie.

Do kogo w SCorp-io napisać w sprawie tego stanowiska?

Rozpocznij wyszukiwanie kontaktu na tej stronie. Screeningpass zaproponuje Ci maksymalnie trzy osoby związane ze stanowiskiem. Wybierz osobę, do której chcesz napisać, a Screeningpass poszuka jej służbowego adresu e-mail i przygotuje wiadomość. Sprawdź ją i wyślij samodzielnie przez Gmail. Adres e-mail nie zawsze jest dostępny i nigdy nie ma gwarancji odpowiedzi.

Ile kosztuje wyszukanie kontaktu?

Jedno wyszukiwanie kosztuje 1 kredyt. Jeśli wyszukiwanie się nie powiedzie, kredyt wróci na Twoje konto. Za rejestrację otrzymasz 3 kredyty, czyli 3 wyszukiwania.

Do czego służy Screeningpass?

Screeningpass zbiera publikowane przez firmy oferty staży, kształcenia dualnego i pracy. Dla danej oferty Screeningpass znajduje osobę do kontaktu w firmie, szuka jej służbowego adresu e-mail i przygotowuje wiadomość na podstawie Twojego CV. Zobacz szczegółowo, jak to działa.