Vue d'ensemble Statistiques salaires profession "Software Quality Engineer en France"

Description du sujetContext The European Commission requests its Member States to provide it annually with the number of injured and seriously injured individuals (defined by the MAIS3+ criterion based on the Abbreviated Injury Scale or AIS) from road traffic accidents. In France, several systems are in place to collect information on road traffic injuries, including healthcare services, law enforcement, and departmental fire and rescue services (DFRS). None of these sources provide a comprehensive count. Therefore, annual figures on road morbidity must be estimated from incomplete data. For the past 15 years, these estimations have been conducted at Umrestte using a capture-recapture (CRC) modeling approach [1], which allows for the analysis of data common to multiple sources, and for the extrapolation of what is being observed in terms of recording practices, to estimate the number of individuals being recorded by none of these sources.To carry out this modeling, the Umrestte team have relied up to now on data from law enforcement and on the Rhône (medical) Registry of road traffic accident victims. This Registry records road accident victims in the department almost exhaustively, by gathering data from all public and private healthcare services in Rhône or neighboring departments. This includes both hospitalized victims and those visiting emergency units, and comes with by a detailed description of injuries and their severity coded with the AIS, therefore with the severity criterion MAIS3+. Note that the medical data from the Medicalization of Information Systems Program (PMSI), which is available at the national level, can hardly be used since the road accident victims are identified with the "external cause" variable, which is missing at 60% [2]. On the law enforcement side, the BAAC data are available at the departmental and national levels. This data contains specific information about the accident and the injured road user; the severity of the injuries is not characterized according to the MAIS3+ criterion, but according to the following categorization: unharmed/hospitalized/injured but not hospitalized/deceased. The estimation approach carried out at Umrestte is the following: modeling by CRC is carried out at the Rhône department level using data from the Registry and BAAC, which allows estimating the underreporting rate of BAAC, and deducing correction factors. These correction factors are then applied to the BAAC data at the national level, accounting for the biases associated with them; in other words, we are adjusting these data in order to estimate the total number of injured and seriously injured road users in mainland France [3].Yet, we have observed for several years an underestimation of our national estimates: the estimated figures are lower than the national number of road casualties reported by the departmental fire and rescue services.This underestimation may have several causes, the most likely being the following. Among the six conditions that need to be met for the CRC method to be valid [1,4,5], one is unlikely to be met: the assumption of homogeneity of capture (i.e. the same probability of recording all casualties). Some recording biases have indeed been observed in the BAAC data (e.g. the probability of recording depends on certain characteristics of the accidents and the casualties: cyclists, motorcyclists, casualties without third parties, and minor injuries in particular are under-recorded [6]); these biases can be accounted for in the modeling. Though, the recording practices of the police (and their biases) need to be consistent throughout the national territory for the projection at the national level to be valid. In recent years, modifications in the BAAC data collection method have created heterogeneities: a recording rate increase was observed in 2017 in the military police zone, much stronger in the Rhône than overall in France; and in 2018, an alteration of the classification hospitalized/non-hospitalized was identified in the data reported by all military police, national police and municipal police forces, with classification practices varying from one department to another (this alteration has led this criteria to being no longer labeled by the public statistics authorities). Ultimately, the low recording rate of casualties in the BAAC heightens the error that can result from these biases, since these biases are multiplied by the proportion of casualties that need to be estimated (estimated to be 75% at the national level).This leads us to consider using other data sources for carrying these estimations. The data from the departmental fire and rescue services seem to be an interesting option. Like the BAAC, they are available at the national level, at least in an aggregated form; they are much closer to completeness than the BAAC (279,413 victims recorded in 2019 by the DFRS compared to 70,490 in the BAAC), and they seem to reveal much more consistent recording practices over time (annual variations below 3% besides the Covid-19 period, compared to -10% observed between 2012 and 2013 in the BAAC for instance), which may allow to stabilize the estimation parameters which have been up to now constantly evolving. At the Rhône level, the DFRS data has already been linked to the Registry data. Yet, extrapolation to the national level could be hindered by the fact that several variables that are included in the Rhône DFRS databases are not necessarily reported in all departmental databases (for instance, mode of transport, presence of a third party, or age of the casualty are not always recorded).For this PhD proposal, the research hypotheses are as follows:The BAAC data display significant limitations in terms of completeness, recording homogeneity, and recording biases, which, when used as a basis for estimating the national number of injured and seriously injured road users, lead to substantial estimation errors.The DFRS data are more robust (i.e. stable, complete, and possibly with small bias) than the BAAC data. Using these data would allow significantly improving the national estimates of the number of injured and seriously injured road users. [1] Hook & Regal (1995). Capture-recapture methods in epidemiology: methods and limitations. Epid. Reviews. [2] Zullo et al. (2021). Estimated number of seriously injured road users admitted to hospital in France between 2010 and 2017, based on medico-administrative data. BMC Public Health. [3] Amoros et al. (2022). Linked police and health data: how to apply capture-recapture to correct for under-reporting and bias. 7th IRTAD Conference.[4] Gallay et al. (2002). The capture-recapture applied to epidemiology: Principles, limits and application. Revue d’Épid. et de Santé Pub. [5] IWGDMF (1995). Capture-recapture and multiple-record systems estimation I: History and theoretical development. Intern. Working Group for Disease Monitoring and Forecasting. Am J Epidemiol.[6] Amoros (2007). Les blessés par accidents de la route : estimation de leur nombre et de leur gravité lésionnelle, France, 1996-2004. Thèse université Lyon 1. Objectives of the thesisThe objectives of the thesis are as follows:Develop an R program that allows for the parameterization of the capture-recapture modeling; this would facilitate its application to various databases and enable to easily change the list of variables included in the models.Estimate the national number of injured and seriously injured road users using a two-source capture-recapture method, relying on DFRS and the Rhône Registry databases.Estimate the national number of injured and seriously injured road users using a three-source capture-recapture method, relying on DFRS, BAAC, and the Rhône Registry databases.Compare the results obtained and estimate the benefit of using the DFRS data. TimelineWe plan the following timeline for this thesis:Year 1:Literature reviewPreparatory work before applying the twosource CRC method to the DFRS and Registry data: (1) identify the variables that can be used for data linkage between the two sources; (2) estimate the quality of data linkage; (3) ensure the conditions for applying the CRC method are met; (4) identify the variables that influence the probability of recording casualties; and (5) adapt the method for predicting the proportion of MAIS3+, which was developed originally on the BAAC database, to the DFRS database.Implementation of the twosource CRC method in R.Year 2:Application of the twosource CRC method to the DFRS and Registry data, and extrapolation to national DFRS data.Preparatory work before applying the threesource CRC method to the DFRS, BAAC, and Registry data: estimation of the quality of data linkage between the three sources, and ensuring the conditions for applying the CRC method are met.Implementation of the threesource capture-recapture method in R.Year 3:Application of the threesource CRC method to the DFRS, BAAC, and Registry data, and extrapolation to national DFRS data, and to the BAAC date.Comparison of the road morbidity estimates obtained from two sources and from three sources of data.Thesis writing.--------------------- FRANCAISContexteLa Commission Européenne demande à ses États Membres de lui fournir annuellement le nombre de blessés et de blessés graves (définis par le critère MAIS3+ reposant sur l’échelle Abbreviated Injury Scale, ou AIS) de la circulation routière. En France, plusieurs dispositifs permettent de recueillir des informations sur les blessés de la circulation : les services de soins, les forces de l’ordre, et les services départementaux d’incendie et de secours (SDIS). Aucune de ces sources n’effectue un décompte exhaustif. Les chiffres annuels de la morbidité routière doivent donc être estimés à partir de données parcellaires. Depuis 15 ans, ces estimations sont réalisées à l’Umrestte en utilisant une modélisation par approche capture-recapture (CRC) [1] qui permet d’analyser les données communes à plusieurs sources, et d’extrapoler ce qui est observé en termes de pratiques d’enregistrement, pour estimer le nombre de blessés n’étant enregistrés par aucune de ces sources.Pour réaliser cette modélisation, l’Umrestte se base sur les données des forces de l’ordre, et sur les données du Registre (médical) du Rhône des victimes d’accidents de la circulation routière. Ce Registre recense les victimes d’accidents de la route survenus dans le département de manière quasi-exhaustive, auprès de tous les services hospitaliers, publics et privés, du Rhône ou limitrophes; ce recensement concerne aussi bien les victimes hospitalisées que celles qui consultent aux Urgences, et est accompagné d’une description précise des lésions, et de leur gravité codée avec l’AIS, donc du critère de gravité MAIS3+. Notons que les données médicales du Programme de Médicalisation des Systèmes d’Information (PMSI), disponibles au niveau national, sont difficilement utilisables puisque l’identification des blessés de la route s’y fait avec la « cause externe », qui n’est renseignée qu’à 40% [2]. Côté forces de l’ordre, les BAAC sont disponibles à l’échelle départementale et nationale. Ces données contiennent des informations précises sur l’accident et l’accidenté; la gravité des blessures n’y est pas caractérisée selon le critère MAIS3+, mais selon la catégorisation : indemne/blessé hospitalisé/blessé non hospitalisé/décédé. L’approche d’estimation réalisée à l’Umrestte est la suivante: la modélisation par CRC est réalisée au niveau du département du Rhône en utilisant les données du Registre et des BAAC, ce qui permet d’estimer le sous-enregistrement des BAAC, et d’en déduire des facteurs correcteurs. Ces facteurs correcteurs sont alors appliqués au niveau national aux données BAAC, après prise en compte des biais qui leur sont associés; autrement dit, on effectue un redressement de ces données afin d’estimer le nombre total de blessés et de blessés graves en France métropolitaine [3].Or, nous observons depuis plusieurs années une sous-évaluation de nos estimations nationales : les chiffres estimés sont inférieurs aux effectifs annuels de blessés de la route remontés par les SDIS.Cette sous-estimation peut avoir plusieurs causes, dont la plus vraisemblable est la suivante. Parmi les six conditions d’application de la méthode CRC [1,4,5], une n’est pas vérifiée : l’hypothèse d’homogénéité de capture (i.e. une même probabilité d’enregistrement pour tous les blessés). Certains biais d’enregistrement sont en effet observés dans les données BAAC (eg. la probabilité d’enregistrement dépend de certaines caractéristiques des accidents et des accidentés : les cyclistes, les motards, les accidentés sans tiers, et les blessés légers sont notamment faiblement enregistrés [6]); ces biais peuvent être pris en compte dans la modélisation. Il faut cependant que les pratiques d’enregistrement par les forces de l’ordre (et leurs biais) soient homogènes sur tout le territoire national pour que la projection au niveau national soit valide. Or, ces dernières années, des modifications dans le mode de recueil des données BAAC ont généré des hétérogénéités : une hausse du taux d’enregistrement a été constatée en 2017 en zone gendarmerie, bien plus forte dans le Rhône que dans l’ensemble de la France; et en 2018, pour les trois forces de l’ordre, une altération du classement hospitalisé / non-hospitalisé a été identifiée, avec des pratiques de classification variant d’un département à l’autre (cette altération a par ailleurs conduit ce critère à ne plus être labélisé par l’autorité de la statistique publique). En dernière instance, le faible taux d’enregistrement des blessés dans les BAAC décuple l’erreur qui peut découler de ces biais, puisque ces biais sont multipliés par la part des blessés qui doit être estimée (que l’on évalue à 75% au niveau national).Cela nous pousse à envisager d’utiliser d’autres données pour réaliser nos estimations. Les données des SDIS sont une piste intéressante. Comme les BAAC, elles sont disponibles à l’échelle nationale, à minima sous forme agrégée; elles sont bien plus proches de l’exhaustivité que les BAAC (279 413 victimes enregistrées en 2019, contre 70 490 dans les BAAC), et semblent de plus indiquer des pratiques d’enregistrement plus homogènes dans le temps (variations annuelles inférieures à 3% hors période Covid-19, contre -10% observé entre 2012 et 2013 dans les BAAC par exemple), ce qui pourrait permettre de stabiliser les paramètres d’estimation (à ce jour en constante évolution). Au niveau du Rhône, les données des services incendies et secours ont déjà été liées aux données du Registre. Certaines variables présentes dans la base de données du Rhône ne sont cependant pas disponibles dans toutes les bases départementales (le mode de déplacement, la présence d’un tiers, ou l’âge du blessé par exemple), ce qui pourrait gêner l’extrapolation au niveau national.Pour la thèse que nous proposons, les hypothèses de recherche sont les suivantes :Les données BAAC présentent des limites importantes en termes de complétude, d’homogénéité d’enregistrement, et de biais d’enregistrement, qui, lorsqu’elles sont utilisées comme base pour l’estimation nationale du nombre de blessés et de blessés graves de la circulation routière, génèrent d’importantes erreurs d’estimation.Les données SDIS sont plus robustes (i.e. stables, complètes, et possiblement peu biaisées) que les données BAAC. Utiliser ces données permettrait d’améliorer considérablement les estimations nationales du nombre de blessés et de blessés graves de la circulation routière.[1] Hook & Regal (1995). Capture-recapture methods in epidemiology: methods and limitations. Epid. Reviews. [2] Zullo et al. (2021). Estimated number of seriously injured road users admitted to hospital in France between 2010 and 2017, based on medico-administrative data. BMC Public Health. [3] Amoros et al. (2022). Linked police and health data: how to apply capture-recapture to correct for under-reporting and bias. 7th IRTAD Conference.[4] Gallay et al. (2002). The capture-recapture applied to epidemiology: Principles, limits and application. Revue d’Épid. et de Santé Pub. [5] IWGDMF (1995). Capture-recapture and multiple-record systems estimation I: History and theoretical development. Intern. Working Group for Disease Monitoring and Forecasting. Am J Epidemiol.[6] Amoros (2007). Les blessés par accidents de la route : estimation de leur nombre et de leur gravité lésionnelle, France, 1996-2004. Thèse université Lyon 1. Objectifs de la thèseLes objectifs de la thèse sont:Développer une programmation sous R permettant un paramétrage de la modélisation par approche capture-recapture, afin de faciliter son application à diverses bases de données et de pouvoir aisément faire varier la liste de variables prises en compte dans les modéles.Estimer le nombre national de blessés et de blessés graves de la circulation routière par une méthode capture–recapture à 2 sources en utilisant les données SDIS et Registre du Rhône.Estimer le nombre national de blessés et de blessés graves de la circulation routière par une méthode capture–recapture à 3 sources en utilisant les données SDIS, BAAC et Registre du Rhône.Comparer les résultats obtenus, et estimer le bénéfice apporté par l’utilisation des données SDIS. Calendrier de thèseIl est prévu le calendrier suivant :Année 1 :Revue de la littératureTravail préparatoire à l’application de la méthode CRC sur données SDIS et Registre : (1) identifier les variables utilisables pour le chainage des données entre les deux sources; (2) estimer la qualité du chainage; (3) vérifier les conditions d’application de la méthode CRC; (4) identifier les variables influençant la probabilité d’enregistrement des blessés; et (5) adapter la méthode de prédiction de la proportion de MAIS3+, conçue pour les données BAAC, aux données SDISImplémentation de la méthode CRC à 2 sources sous RAnnée 2 :Application de la méthode CRC sur données SDIS et Registre, et extrapolation sur données SDIS nationaleTravail préparatoire à l’application de la méthode CRC sur données SDIS, BAAC et Registre : estimation de la qualité du chainage entre les 3 sources, et vérification des conditions de validité de la méthode CRCImplémentation sous R de la méthode de capturerecapture à 3 sourcesAnnée 3 :Application de la méthode CRC sur données SDIS, BAAC et Registre, et extrapolation sur données SDIS nationales, et BAAC nationalesComparaison des estimations de morbidité routière obtenues à partir de 2 sources et à partir de 3 sources de donnéesRédaction de la thèse  Nature du financementContrat doctoralPrécisions sur le financementPrésentation établissement et labo d'accueilUniversité Gustave Eiffel - Site de Lyon-BronGustave Eiffel University is a public institution with a scientific, cultural, and professional focus. It is a major player in European research on urban and territorial development, transportation, and civil engineering. It was established on January 1, 2020, through the merger of Ifsttar (French Institute of Science and Technology for Transport, Development, and Networks) and the University of Paris-Est Marne-la-Vallée. Gustave Eiffel University has campuses across France and conducts research and expertise work within its departments. The disciplines covered are diverse, including mathematics and computer science, civil engineering, social sciences, economics, management, and communication. The covered research areas have a strong societal impact, particularly focusing on transportation and infrastructure studies aimed at improving people's mobility conditions and contributing to the sustainable development of societies.Umrestte (Epidemiological Research and Surveillance Unit on Transportation, Work, and Environment, UMR T 9405 Gustave Eiffel University, Lyon Campus, and Lyon 1 University) is a joint research unit between Gustave Eiffel University and Lyon 1 University. It carries out epidemiological research and surveillance missions in the fields of road trauma, environmental health, and occupational health.Site web :http://www.univ-gustave-eiffel.frIntitulé du doctoratDoctorat en épidémiologiePays d'obtention du doctoratFranceEcole doctoraleÉcole Doctorale interdisciplinaire sciences-santé (EDISS)Profil du candidatMaster's degree or Engineer in Epidemiology, Statistics, or Biostatistics with:- A professional experience in statistics, biostatistics, clinical research, epidemiology- Proficiency in statistical software and data management tools (SAS, R, STATA, etc.)- A good level of written and spoken English- Analytical, synthesis, and scientific writing skills in French and English- Rigor and ability to collaborate with team members and partners- Interest in research workKnowledge in medical field and/or accidentology and/or transportation is a plus.Date limite de candidature  30/06/2024

L'entreprise Une recherche, tous les postes:Trouvez l'emploi idéal avec Joblift Description de l'offre My client, a leading Consultancy, is looking for a Java Developer.Location: Nice(France) (2-3 days per week onsite)Role Type : Contract/PermanentPrimary Skill : Java Microservices , Fair knowledge on Cloud.Java Skills· Programming: Core Java, JavaScript, SQL· Framework: Spring MVC, Spring Boot· Testing: Junit, Groovy, Postman· Deployment Server: Apache Tomcat, JBoss, Kuberneteis's POD· Deployment: Jenkins, docker , kubernetes· SDLC models: Agile, WaterFall· Software development tools: Gradle, Maven, Apache Kafka· Cloud: Azure (Preferred)· DB: Oracle, Maven· Cache Server: Any distributed cache(Redis , Couchbase etc)· Good Learning attitude· Availability to support team· Feel free to work with team in extended hours· Follow team work model to be in officeWorking on improving delivery efficiency and the quality of the product. You’ll:· Work with the team to design solutions· Help in improving code coverage (unit tests).· Produce software documentation necessary for the application.· Establish DevOps Engineering team best practices for release engineering· Perform troubleshooting on critical issues.· Attend and give feedback in sprint demos.· Work on POCs to improve engineering practicesWorking with POs to understand requirements and to provide solutions You’ll:· Work with PMs and POs to define solutions and clarify requirements.· Size user stories and features.Please let me know if interested.

Responsible for the entire quality process within the companyEstablish procedures to increase qualityDevelop, improve and ensure compliance with food safety requirementsYou constantly coordinate, verify and analyze the application of food safety standardsContinuous improvement and carry out both internal and external auditsIdentify and communicate food risksPut in place and advise on food safety programsInform and advise management on any necessary investments in qualityEngineering degree, preferably in food, biochemistry or analytical chemistryYou speak FR/ENG or NL/ENG Min 3 years' experience in a similar positionFamiliar with HACCP principlesKnowledge of MS office, SAP Autonomousand team-playerCustomer-oriented, flexible, proactive and stress-resistant

Description du poste Description de l'emploi :Envie de déployer vos ailes ? Et si votre aventure commençait avec nous ?Nous vous offrons l'opportunité de travailler dans une entreprise leader mondial dans son domaine, axée sur le numérique, à la pointe de la recherche et de l'innovation.Une offre d'apprentissage intitulée "Apprenti Ingénieur Assurance Qualité Logiciel (H/F)" vient d'ouvrir au sein du département Service Clients sur le site de Toulouse/Blagnac.Vous rejoindrez le département « Innovation et Solutions Numériques » en charge de développer des solutions logicielles numériques améliorant les opérations aériennes.Cet apprentissage consistera à : supporter la définition d'une stratégie cross-équipe qui permettra de mesurer la performance globale de nos solutions logicielles et de nos livraisons.Cet apprentissage débutera en septembre/octobre 2024 et durera 1, 2 ou 3 an(s).Ce poste nécessite une habilitation de sécurité ou nécessite d'être éligible à une habilitation par des autorités reconnues.Tâches et responsabilités :Vous serez sous la responsabilité d'un manager qui vous aidera à identifier vos objectifs professionnels et vous accompagnera dans le développement de vos compétences.Vous contribuerez aux principales activités suivantes : Encadrer les bonnes pratiques internes d'AQ,Définir et suivre les KPI de qualité,Mettre en œuvre des outils-cadres qui évaluent la qualité,Consolider la rédaction des cas de tests au sein des équipes,Analyser les meilleures pratiques du marché,Soutenir les équipes agiles dans la planification et l'exécution de campagnes de tests,Faire rapport et communiquer sur les activités et les résultats d'assurance qualité entre les équipes ;Faciliter la collaboration entre les équipes à travers des présentations et des ateliersAssurer une entrée en service robuste de la solution numérique,Intégrer les processus d'assurance qualité/de test dans le cycle de développement actuelCompétences et prérequis :Vous intégrerez une formation de niveau BAC+ 4/5 dans le domaine du Génie Logiciel ou équivalent pour un apprentissage de 1, 2 ou 3 ans.Vous disposez des connaissances et compétences suivantes :Formation en génie logiciel (Master et supérieur).Familiarité avec les bases des environnements modernes : plateforme basée sur le cloud, UX/UI, CI/CD, sécurité, big data, IA.Une expérience du codage est un atout majeur.Compréhension du développement agile (SAFe, Scrum)Connaissance des tests unitaires, de régressions, d'acceptation, tant en méthodologie qu'à travers les outils courants du marché.Compréhension des cas de tests, automatisation des testsEsprit analytique : Être capable d'analyser les causes profondes et de proposer des solutions ;Écouter et comprendre les besoins Dynamique et proactifCompétences linguistiques :Anglais : courantFrançais : courantNotre processus de sélection :Toutes les candidatures sont examinées par un recruteur. Si votre candidature est retenue par le recruteur lors de ce premier examen, vous serez invité à réaliser un entretien vidéo différé.Celui-ci sera consulté puis partagé avec le responsable si votre candidature est présélectionnée.Le responsable organisera des entretiens avec les candidats présélectionnés avant de sélectionner le candidat final pour l'apprentissage.---------------------------------------------------------------------Want to spread your wings? What if your adventure begins with us?We offer you the opportunity to work in a world leader company in its field, focused on digital technology, at the forefront of research and innovation.An apprenticeship offer entitled "Apprentice Software Quality Assurance Engineer (M/F)" has just opened within the department of Customer Services on Toulouse/Blagnac site.You will join the department "Innovation and Digital Solutions" in charge of developing digital software solutions improving the airline operations.This apprenticeship will consist in: Support the definition of a cross-team strategy that will help measuring overall performance of our software solutions and deliveriesThis apprenticeship will start in September / October 2024 and will last 1, 2 or 3 year(s).This position requires security clearance or requires being eligible for clearance by recognized authorities.Tasks and responsibilities:Framing internal QA best practices, define & monitor quality KPIsImplement frameworks tools that assess qualityConsolidate test cases writing across the teamsAnalyze market best practices Support agile teams in planning & executing test campaignsReport & communicate on cross-team QA activities and results; facilitate cross-team collaboration through presentations and workshopsYou will be under the responsibility of a manager who will help you to identify your professional objectives and support you in the development of your skills.You will contribute to the following main activities:Ensuring robust entry into service of digital solutionEmbed quality assurance / testing processes in the current development cycle Skills & Prerequisites:You will integrate a BAC+ X level training in the field of Software Engineering or equivalent for an apprenticeship of 1, 2 or 3 years.You have the following knowledge and skills:Software engineering education (Master and above). Familiarity with basics of modern environments: cloud-based platform, UX/UI, CI/CD, security, big data, AI. Experience of coding is a strong plus. Understanding of agile development (SAFe, Scrum)Knowledge of Unit, Regressions, Acceptance testing, both in methodology and through common tools of the market. Understanding of test cases, test automationAnalytical mind: Be able to analyze root causes and propose solutions; Listen and understand the needsDynamic & proactiveEnglish: intermediate/advanced/negotiation/fluentFrench: intermediate/advanced/negotiation/fluentOur selection process:All applications are reviewed by a recruiter.If your application is retained by the recruiter during this first review, you will be invited to conduct a deferred video interview. This will be viewed and then shared with the manager if your application is shortlisted. The manager will organize interviews with the shortlisted candidates before selecting the final candidate for the apprenticeship.Cet emploi exige une connaissance des risques de conformité potentiels et un engagement à agir avec intégrité, comme base de la réussite, de la réputation et de la croissance durable de la société.Unité légale :AIRBUS SASType de contrat :Alternance-------Niveau d'expérience :DébutantFamille d'emplois :Management de programmes et de projets En soumettant votre CV ou votre candidature, vous autorisez Airbus à utiliser et stocker des informations vous concernant à des fins de suivi de votre candidature ou de futurs emplois. Ces informations ne seront utilisées que par Airbus.Airbus s'engage à assurer la diversité de sa main-d'œuvre et à créer un environnement de travail inclusif. Nous accueillons toutes les candidatures, quels que soient le milieu social et culturel, l'âge, le genre, l'invalidité, l'orientation sexuelle ou les croyances religieuses des postulants.Airbus est depuis toujours attaché à l'égalité des chances pour tous. En tant que tel, nous ne demanderons jamais aucun type d'avance de frais…

Description du poste Description de l'emploi :MISSIONInside the Engineering department (E) and in particular in the Systems General Studies service (EYG) your mission will be to participate to the systems' safety analyses on all the aircraft systems following the guidelines provided by ARP 4754(A) and ARP 4761.ACTIVITIESYou will participate to the following activities in collaboration with systems' designers:Writing and updating of safety analyses,Determining the safety requirements to be provided to equipment/system suppliersAttending projects review meetings after reviewing/approving projects' deliverablesUpdate existing Safety DocumentsYou will provide support to the airworthiness service in the definition of in-service events severity in line with systems' designers.You will also provide support to the scheduled maintenance service, namely in the justifications for the Time Limits document.PROFILEThe candidate shall have a significant experience in aeronautical systems and in systems' safety analyses.The candidate shall have the following skills:Experience in certificationGood knowledge of Certification Specifications JAR/FAR/CS 25, CS E and CS P and of the development standards (DO, ARP, …)In-depth knowledge of:CS/AMC 25.1309, ARP 4754(A) and ARP 4761Systems safety analyses (FHA, PSSA, SSA)Fault trees/dependence diagrams modelingCommon Cause Analyses (ZSA, PRAs, CMA)FMEA/FMESEquipment reliability issues and associated computationsAircraft systems architecture and in particular critical ones, installation and segregation/separation rules and system development processKnowledge of at least one fault tree/dependence diagram software tool. SARAA software tool knowledge will be appreciated.Language: French, Intermediate level English (speaking, reading and writing)Other skills:Good interpersonal skillsAbility to communicate with various parties (External: authorities, partners, suppliers ... - Internal: designers, airworthiness monitoring, production, quality, purchasing ...) and in a multicultural environment.Autonomy and taking initiativeMISSIONAu sein de l'Ingénierie (E) d'ATR et plus précisément du service Systems General Studies(EYG), le(la) titulaire participe à la mission d'élaboration d'analyses de sécurité sur tous les systèmes avion en accord avec les standards ARP 4754 (A) et ARP 4761.ACTIVITESLe titulaire participe aux activités suivantes en collaboration avec les équipes métier :La rédaction ou la mise à jour des analyses de sécurité,La détermination des exigences de sécurité pour les fournisseurs (équipementiers/systémiers)Revues de développement des projets après avoir revu et approuvé les livrablesMise à jour des documents Safety existantsIl (Elle) fournira un support au service de navigabilité dans la définition de la criticité des évènements en service avec le support des métiers.Il (Elle) fournira un support au service de maintenance notamment dans les justifications des Time Limits.PROFILIngénieur(e) généraliste, le(la) titulaire démontre une expérience significative en systèmes aéronautiques ainsi que dans les analyses de sécurité de ces systèmes.Le(la) titulaire démontre les compétences suivantes :Expérience en certificationTrès bonnes connaissances de la règlementation JAR/FAR/CS 25 associée aux standards de développement (DO, ARP, …)Maîtrise de la CS/AMC 25.1309 et des ARP 4754 (A) et ARP 4761Bonnes connaissances :des analyses de sécurité système (FHA, PSSA, SSA)modélisation avec des arbres de panne ou diagrammes de dépendancedes analyses de cause communes (ZSA, PRAs, CMA)des FMEA/FMESdes problématiques de fiabilité des équipements et de calcul associédes systèmes avion et en particulier des systèmes dits critiques, des règles d'installation et de ségrégation/séparation et des processus de développement systèmeConnaissances d'au moins un logiciel d'analyse d'arbres de pannes ou de diagrammes de dépendance, maîtrise des outils de bureautique. Une connaissance du logiciel SARAA serait un plus.Langues : Anglais lu, écrit, parlé obligatoireAUTRES COMPETENCESBonnes capacités relationnelles.Aptitude à communiquer avec des interlocuteurs variés (Externe : autorités, partenaires, fournisseurs… - Interne : concepteurs, suivi de navigabilité, production, qualité, achats…) et dans un environnement multiculturel.Autonomie et prise d'initiativeCet emploi exige une connaissance des risques de conformité potentiels et un engagement à agir avec intégrité, comme base de la réussite, de la réputation et de la croissance durable de la société.Unité légale :Avions de Transport Regional (ATR) GIEType de contrat :CDI-----Classe Emploi (France): Classe G13Niveau d'expérience :Expérimenté(e)Famille d'emplois :Qualification & Operabilité En soumettant votre CV ou votre candidature, vous autorisez Airbus à utiliser et stocker des informations vous concernant à des fins de suivi de votre candidature ou de futurs emplois. Ces informations ne seront utilisées que par Airbus.Airbus s'engage à assurer la diversité de sa main-d'œuvre et à créer un environnement de travail inclusif. Nous accueillons toutes les candidatures, quels que soient le milieu social et culturel, l'âge, le genre, l'invalidité, l'orientation sexuelle ou les croyances religieuses des postulants.Airbus est depuis toujours attaché à l'égalité des chances pour tous. En tant que tel, nous ne demanderons jamais aucun type d'avance de frais dans le cadre d'un processus de recrutement. Toute usurpation d'identité d'Airbus à cette fin doit être signalée à [email protected] Airbus, nous vous aidons à travailler, à vous connecter et à collaborer plus facilement et de manière plus flexible. Dans la mesure du possible, nous favorisons les modalités de travail flexibles pour stimuler la pensée innovante.

Our client is a LegalTech with 70 employees working to make international law and arbitration more transparent and accessible. Founded in 2018, the company is a search engine for international law and arbitration. They use artificial and collaborative intelligence to collect and structure global legal data (they have and maintain two main products).Leading international law firms, governments and corporations around the world use this company's AI technology to conduct in-depth legal research and due diligence with confidence. They are leveraging LLM models to revolutionize legal research and build valuable products for our users.To continue their expansion, they have just raised EUR10 million in funding. They are now looking for a Senior Fullstack Engineer to join the new Impact Team to work specifically around LLMs and ship more organic experiences to our users.Localisation : Paris (75008) - Remote possible.Technical surroundings : OVH/AWS, Python, Go, Node.js, Vue.js, Nuxt.js, LLM, Docker, ElasticSearch, PostgreSQL.Salary : 60 000EUR - 70 000EUR + BSPCE (stock-options).As part of your duties, you will be responsible for :- Create, test, maintain, and consume internal & external APIs (mainly Python, a little bit of Go),- Create and update GUI, utilizing Storybook for UI components in isolation and ensuring consistency across applications,- Optimize web applications for maximum speed and scalability, while ensuring web accessibility standards are met,- Write Architectural and implementation Proposals, RFC and analysis,- Help to create Proof Of Concept, Minimum Viable Product,- Work with the Product/Business to maximize the outcome by delivering awesome Software,- Ship Quality Software: Unit/Integration/End2End Test and risk assessment,- Own parts of the system (intimate understanding of SLI/SLO/SLA).