Ingénieur Machine Learning (F/H) – Stage

Summary: This internship focuses on improving the robustness and reliability of digital twin models for electromagnetic antennas. The role involves analyzing training stability, implementing optimization methods, and ensuring reproducible results through rigorous documentation and experimentation.

Pourquoi ce poste est clé

Les jumeaux numériques de nos antennes servent à configurer notre technologie pour orienter les ondes électromagnétiques. Ces modèles associent la compréhension physique de nos antennes à des paramètres entraînés. Ce stage vise à continuer d’améliorer la robustesse et la fiabilité de l’entraînement de nos modèles.

Rattaché·e à Steph, Software Engineer, vous étudierez les facteurs qui peuvent influencer la stabilité de l’entraînement et évaluerez différentes méthodes d’amélioration. Au contact de nos équipes Algorithmie et Modélisation, Radiofréquence et Logiciel, vous apprendrez à relier modélisation physique, optimisation numérique et analyse expérimentale, en vous appuyant sur des comparaisons contrôlées et reproductibles.

Vos missions

Prise en main du modèle et de son entraînement

• Comprendre nos modèles d’antenne physique et l’entrainement de ces modèles,
• Reproduire un entraînement et mesurer la variabilité des performances obtenues,

Diagnostic et amélioration de la stabilité

• Mettre en place le suivi des grandeurs et détecter automatiquement les entraînements qui divergent,
• Étudier et mettre en œuvre des méthodes de projection, de re-paramétrisation ou de pénalisation pour imposer la convergence du modèle à chaque étape d’optimisation,
• Évaluer l’impact de ces méthodes sur la précision et le temps de calcul.

Optimisation et comparaison des entraînements

• Améliorer les critères d’arrêt, l’initialisation et la réutilisation des modèles déjà entraînés,
• Comparer plusieurs variantes des modèles dans des conditions contrôlées,
• Analyser les mécanismes physiques et numériques du modèle pour étudier leur influence sur les résultats,

Documentation et reproductibilité

• Tester et versionner le code développé,
• Documenter les données et les conditions d’entraînement pour garantir la reproductibilité des résultats,
• Présenter les méthodes étudiées et les résultats obtenus dans des rapports chiffrés.

### Profile

Envie de nous rejoindre ?

Vous ne cochez pas tous les critères ? Postulez quand même. Nous recherchons avant tout une personne motivée, curieuse et prête à apprendre, au sein d’une équipe qui l’accompagnera dans sa montée en compétences 😊

Vous préparez actuellement votre dernière année en école d’ingénieur (ou équivalent universitaire) avec une spécialisation en mathématiques appliquées, en simulation ou en modélisation. Vous avez une première expérience en optimisation ou en calibration de modèles à partir de données expérimentales et vous vous intéressez à la physique des ondes.

Vos compétences techniques

• Vous avez de bonnes bases en mathématiques appliquées, notamment en algèbre linéaire et en optimisation sous contrainte,
• Vous savez programmer en Python et avez une première expérience avec PyTorch ou un outil similaire,
• Des connaissances en électromagnétisme seront appréciées.
• Une pratique de Git ou de Linux, ou une expérience du calcul sur GPU, constitue un atout supplémentaire.
• Vous avez un bon niveau d’anglais à l’écrit comme à l’oral pour évoluer dans un environnement international.

Votre façon de travailler

• Vous appréciez le travail en équipe et communiquez facilement avec des interlocuteurs variés,
• Vous faites preuve de rigueur et abordez les problèmes avec méthode,
• Vous aimez explorer différentes pistes et proposer des solutions créatives aux problèmes techniques,
• Vous êtes curieux·se et prenez des initiatives pour faire avancer vos missions,
• Vous savez avancer de manière autonome tout en sollicitant l’équipe lorsque cela est nécessaire,
• Si vous utilisez des outils d’IA pour coder, vous gardez un regard critique sur le code et les calculs qu’ils produisent,
• Vous savez rédiger des documents clairs et structurés pour partager vos résultats et documenter vos travaux.

Les raisons de travailler chez Greenerwave

• Une participation financière pour vos déjeuners,
• Les avantages proposés par notre CSE,
• Des locaux situés au cœur de Paris, dans le 2e arrondissement,
• Des événements et des soirées d’équipe chaque mois pour se retrouver en dehors des projets,
• Des échanges avec les équipes techniques pour découvrir les technologies sur lesquelles vous travaillez et mieux comprendre leurs applications,
• Un environnement multiculturel et des profils aux expertises variées, pour apprendre au contact des autres,
• Un accompagnement et un suivi de proximité par votre tutrice pour progresser tout au long de votre stage et être prêt.e pour lancer votre carrière.

### Recruitment process

Notre processus de recrutement

1. Étude de votre candidature par l’équipe RH, sans filtre de présélection par intelligence artificielle.
2. Premier échange téléphonique de 20 à 30 minutes pour échanger sur votre parcours, votre recherche et vos attentes.
3. Entretien avec Elie, Algorithms & Modelling Team Leader et Steph, Software Engineer, afin d’approfondir les missions du stage et échanger sur vos compétences techniques et leur mise en pratique.
4. Entretien final avec une personne de l’équipe RH pour mieux vous connaitre, discuter de votre façon de travailler et répondre à vos questions.

Tout au long du processus, nous vous tenons au courant de l’avancée de votre candidature et restons disponibles pour répondre à vos questions. Nous vous faisons un retour à chaque étape, avec des éléments constructifs pour vous aider à comprendre notre décision.

*Nous encourageons les candidatures de personnes de tous horizons, quel que soit leur origine ethnique, genre, âge, orientation sexuelle, handicap ou religion. Nous valorisons la diversité et croyons que chaque personne apporte une perspective unique qui enrichit notre équipe.*