Une dizaine d’élèves des programmes Énergie et motorisations (MOT), Powertrain Engineering (PWT) et Énergie et produits (PRO) ont proposé des solutions à des problématiques concrètes du secteur motorisations, en s’appuyant sur des méthodes du machine learning.
Dans le cadre du module 3 piloté par Alessio Dulbecco, enseignant au centre Motorisations et mobilité durable d’IFP School, les élèves ont travaillé sur des projets basés sur des données réelles fournies par Renault Group.
À l’aide des méthodes du machine learning, ils et elles se sont exercé(e)s à l’analyse de données pour résoudre des problématiques telles que la prédiction de la consommation de carburant d’un véhicule hybride et la détermination des intervalles de vidange d’huile.
Les élèves ont dû réaliser une vidéo de présentation afin de susciter de l’intérêt pour leur projet. Ils et elles ont ensuite soumis ces pitchs la veille de leur soutenance. Cette dernière s’est déroulée devant un jury composé d’enseignants d’IFP School, d’experts d’IFP Energies nouvelles et de représentants de Renault Group.
Voir les pitchs :