[INTERIM] Gestionnaire BDD Patrimoine ENEDIS – Noisy le Grand (93)

Enedis filiale d’EDF est une entreprise de service public, gestionnaire du réseau de distribution d’électricité. Elle développe, exploite, modernise le réseau électrique et gère les données associées. Ses 38.000 collaborateurs assurent chaque jour les raccordements des clients, le dépannage 24 h / 24, le relevé des compteurs et toutes les interventions techniques.

La Direction Régionale Ile de France Est recherche un(e) :

1 gestionnaire base de données patrimoine H/F pour un contrat de 3 ou 6 mois renouvelable
poste basé à Noisy-le-Grand (93)

Intégré-e au sein de l’agence Cartographie, vous êtes en charge de l’actualisation des bases de données cartographiques moyenne et grande échelle des réseaux BT et HTA en techniques aériennes et souterraines.

Ainsi, vous serez amené-e à :
–          Représenter les réseaux et les postes de distribution en mettant à jour les bases de données patrimoniales d’Enedis le plus précisément possible afin que les agents puissent travailler en toute sécurité,
–          Assurer la cohérence des bases de données (DAO/SIG) en veillant au respect des délais de mise à jour et à la fiabilité de l’information,
–          Échanger avec les différents services internes à Enedis qui fournissent les éléments cartographiques ainsi qu’avec nos prestataires cartographiques qui s’occupent des levées topographiques et des détections sur le terrain.

Le candidat doit être : autonome, rigoureux et motivé. Une connaissance générale de la cartographie est souhaitée, ainsi qu’une maîtrise des outils bureautiques (Word, Excel). La connaissance des réseaux électriques serait un plus.

Compétences transverses :
–    Capacité d’adaptation
–    Sens des responsabilités / engagement
–    Rigueur

PROFIL :
De formation Bac +2 / +3 dans le domaine de la cartographie, ou géomatique.

Doté d’un bon relationnel et sachant travailler en équipe, vous savez vous montrer rigoureux et organisé.

Adresse de candidature : idfe-carto-candidatures@enedis.fr avec lettre de motivation et curriculum vitae

CDD Administrateur de bases de données – CCI Seine et Marne

La Chambre de Commerce et d’Industrie de Seine-et-Marne recherche un ou une géomaticienne pour un CCD de 11 mois sur leur site de Serris.

Sous la responsabilité de la chef de projet géomatique, vous participerez au développement de l’attractivité du territoire de la Seine-et-Marne à travers les missions suivantes :

  • Réaliser à partir des données statistiques produites par les chargés d’études des cartographies adaptées à la demande ;
  • Administrer, suivre, exploiter, mettre à jour et contrôler les bases de données existantes. Travailler ponctuellement au sein des bases de données existantes à l’intégration de nouvelles thématiques ;
  • Assurer la maintenance et le développement d’applications « web et web SIG » ;
  • Assurer la maintenance et le développement des procédures automatisées de mise à jour des observatoires de la CCI Seine-et-Marne (Observatoire des Comportements et des lieux d’Achat, Observatoires des Zones d’Activités Economiques…) ;
  • Participer à divers projets en accompagnant vos interlocuteurs dans l’expression de leurs besoins, en fournissant un appui méthodologique (collecte des données) pour la réalisation des études et des analyses ;
  • Accompagner les utilisateurs tant internes qu’externes sur l’utilisation des outils.

Retrouvez l’offre complète ici.

[CDD->CDI] Ingénieur en télédétection pour WildSense, à Paris

L’offre est à pourvoir très rapidement, pour débuter dès la première semaine de décembre, si possible.

Le salaire est de 3000-3500 EUR net par mois.

L’objectif de Wildsense étant de permettre aux exploitants de s’adapter à une planète qui change et notre premier outil cherche à aider les exploitants forestiers à détecter plus rapidement les attaques d’insectes ravageurs dans leurs forêts à l’aide de données satellites.
La mission de ce poste consiste à reproduire des filtres semblables à ceux utilisés par Abdullah et al. dans l’étude suivante, puis de tenter d’améliorer la fiabilité des résultats en utilisant du ML supervisé (Random Forest, etc.).