Aller au menu Aller au contenu
Un label courtisé
Informatique et Mathématiques appliquées
Un label courtisé

> Entreprises > Proposer des projets

Proposer des projets à nos élèves

Il existe actuellement 3 cadres de parcours durant lesquels des élèves de l'Ensimag peuvent participer à des projets soumis par des entreprises : en 2e année (M1), projets portant sur la transformation numérique des entreprises (Disrupt campus) ; en 3e année au sein du mastère spécialisé Big Data ou du parcours Management de l'innovation technologique (Manintec).
 

Projets dans le cadre de Disrupt Campus

Ces projets s'adressent à des équipes  d'élèves ingénieurs d'écoles du site et de disciplines différentes,  et visent à faire coopérer 4 à 8 élèves,  sur le thème de la transformation numérique des entreprises.
Pour l'Ensimag, cela concerne des élèves ingénieurs
de 2e année (M1), pour des projets se déroulant de février à mai (sur la base de 60h par élève).
>>> Déposer un projet (au fil de l'eau)
 

Projets dans le cadre de Manintec

Ces projets s'adressent à des équipes de 4 à 5 élèves ingénieurs de Grenoble INP de 3e année aux compétences techniques pluridisciplinaires, formés au management de l’innovation.  Ils visent à répondre à des problèmatiques telles que la valorisation de technologie innovante, l'exploration d'usages ou de marchés potentiels, l'identification de proposition de valeur,  la construction d'un « business model » viable, etc.
Les projets se déroulent sur 8 semaines (entre 1100 et 1400 h par projet) entre septembre et janvier.
>>> Présentation détaillée
Contacts : aurelie.catel@grenoble-inp.fr, philippe.bodiglio@grenoble-inp.fr

Projets dans le cadre du mastère Big Data, projet fil rouge

Ces projets s'adressent à des équipes d'élèves de 3 à 6 étudiants travaillant plusieurs mois sur un projet avec un livrable à la clé. Les élèves sont de profils mixtes, et issus de parcours divers, managers et ingénieurs, titulaires au minimum d’un bac+4. 
Pour l'Ensimag, il s'agit d'élèves de 3e année.
Les projets se déroulent d'octobre à février.
>>> Précisions
Les sujets, validés par un comité d’experts, sont en lien avec le monde du numérique.
>>> Soumettre un projet 
 
Contacts : Aurore Besson, Relations Entreprises et Partenariats Ecoles - Grenoble ecole de Management / aurore.besson@grenoble-em.com
 

des exemples de cas fil rouge 2016/2017


Une vingtaine de projets fil rouge ont été menés depuis 2014/2015, aussi bien pour des grands groupes que pour des start-ups en plein essor : EDF, CHU de Grenoble, ATOS, Sentio, HP, SLMS, Kelkoo, Capgemini/Roche, Grenoble/La Metro,...

Quelques exemples :
SLMS - Optimisation de parcours dans des espaces de vente

Schneider Lucibel Managed Services (SLMS) est une start-up qui propose une solution innovante de marketing émotionnel. Adressée à des marques internationales et grâce à la technologie Li-Fi, l'offre SLMS donne lieu à une scénarisation des espaces de vente et une expérience client augmentée. Grâce à la visualisation de vidéos et d’information sur tablette, les consommateurs traversent un parcours interactif et sont immergés dans l'univers de la marque. Ainsi, le client reçoit "la bonne information, au bon endroit, au bon moment". SLMS nous a confié la tâche de caractérisation d’une configuration "pop-up showroom" sur la base de l’analyse des données de plusieurs expériences réalisées à partir de l'automne 2016 en région parisiennes pour Citroën à l'occasion du lancement de la nouvelle C3. Il s'agit d'une analyse a posteriori pour déterminer l'intérêt généré par ces expériences et identifier les paramètres influents.

Sentio Sports - Study of prediction capabilities on football data

Sentio is a startup working in the field of sports analytics and, in particular, football. It provides customers with real time, cost effective and vision based analytic solutions. Sentio is a mature company looking for new business growth opportunities linked to its existing data. The global context of our project was to see if machine learning techniques could lead to new capabilities, suppress some manual operations or provide customers with new value. In this context our project’s objective was to predict team ball possession during football games which is presently manually added by an operator during a post processing step.
 
EDF - Exploitation optimisée des séries temporelles dans HDP

Une étude interne EDF a déjà fait un premier état des lieux, notre mission consistait à poursuivre cette étude pour adresser deux objectifs :
• Investiguer les solutions qui n'avaient pas été envisagées.
• Produire des recommandations sur l'ensemble de la chaine de stockage et de traitement de l'information en passant par l'injection et la visualisation.
Au terme de ces recommandations, nous devions implanter la solution préconisée sous forme de PoC (Proof of Concept), avec une configuration certes réduite, mais pleinement fonctionnelle. Nous avons adressé le premier point et remis un rapport intermédiaire à la mi-décembre. Cette phase, par nature basée sur l'investigation, nous a permis de prendre du recul sur la problématique EDF. Ce travail a été très bénéfique lorsque nous sommes passés à la phase de prototypage : nous avions alors des idées très claires sur la façon de mettre en oeuvre notre proposition.

HPE - Analysis of Sales Rep Data

The project is about generating value out of existing salrs representatives data, focusing on three parts:
• Understand and highlight relations and underlying structure of current data.
• Build one or several models to forecast future performances and/or the amount of the variable part in the pay.
• Determine which tools and solutions are the most efficient, considering HP’s specific constraints, and in regard to what has already been tried

On one hand HP expects answers to questions like: How to pay more efficiently HP sales representatives? Is there a profile of top performers? Are these persons rewarded appropriately? Can we predict accurately future performance? What infrastructure or software must be used to do this? Can we bring out a variable pay scheme which will improve sales? On the second hand, HP does not have a chosen solution to manage and process the data, and students are expected to provide recommendations in that regard : which infrastructure, which software should be used.

Rédigé par Florane Morat

mise à jour le 27 mars 2018

Grenoble INP Institut d'ingénierie Univ. Grenoble Alpes