Objectif du sujet

• Implémenter un module embarqué capable de collecter automatiquement les backtraces et les informations critiques lors d’un crash.
• Générer des rapports structurés (CSV, JSON) contenant les données collectées et analyser ces rapports pour identifier les causes probables des crashs en utilisant des techniques d'intelligence artificielle.

Travail à faire

• Développer un module ou une application embarquée en C++ sous Linux embarqué pour collecter les « backtraces » à partir des coredumps générés.
• Intégrer la collecte des données système (CPU, mémoire, processus, threads) et enregistrer ces informations dans un format exploitable (CSV/JSON).
• Développer un module d’analyse basé sur l’intelligence artificielle en Python pour la corrélation et la prédiction des causes de crash.
• Mettre en place une visualisation via tableaux de bord pour faciliter l’inspection des rapports et des résultats d’analyse.

Technologies et fonctionnalités attendues

• Implémentation bas niveau en C++ sur Linux embarqué, gestion des coredumps et extraction des backtraces.
• Scripts et automatisation en Shell, stockage léger (SQLite) pour les métadonnées, et génération de fichiers CSV/JSON.
• Développement d’algorithmes d’apprentissage automatique/IA en Python pour corrélation, clustering et prédiction des causes de crash.
• Conception de tableaux de bord pour visualiser les métriques, les backtraces agrégés et les résultats d’analyse.

Compétences requises

• Maîtrise de Python, C++ et Shell pour le développement embarqué et l’analyse de données.
• Connaissances en Linux embarqué, gestion de coredumps, et bases légères (SQLite).
• Notions en IA / apprentissage automatique pour la conception des algorithmes d’identification et de prédiction.

Informations pratiques & contact

• Référence du sujet : LL-10. Localisation : Sfax (poste ingénieur, 1 position).
• Durée : 6 mois.
• Pour postuler, envoyer votre candidature par e-mail à : aes-stages@actia.com .