Alternance - Ingénieur Jumeaux Numérique & Machine Learning - H/F

L’entreprise évolue dans le secteur de l’ingénierie mécanique et des technologies numériques de l’Industrie 4.0. Elle offre un environnement de pointe, combinant innovation, recherche appliquée et développement des compétences humaines, avec des moyens d’essais performants et des partenariats scientifiques de haut niveau.

Le poste se situe à l’intersection de la mécanique numérique, des jumeaux numériques et de l’intelligence artificielle. Les missions incluent le développement de modèles virtuels et la modélisation multiphysique, en concevant ou exploitant des modèles basés sur les lois physiques à l’aide d’outils comme Code_Aster et Ansys. L’objectif est de transformer les installations industrielles classiques en systèmes intelligents, connectés et communicants.

Le poste consiste à développer des algorithmes de machine learning pour la classification de défauts et la prévision de séries temporelles. Il inclut la construction de modèles hybrides informés par la physique, la mise en œuvre de techniques de réduction de modèles pour un usage quasi-temps réel, et l’optimisation de l’instrumentation pour une acquisition de données pertinente. Le rôle implique également la structuration de l’architecture de données IIoT, la définition de stratégies de recalage automatique du modèle numérique, et la conception d’outils d’aide à l’exploitation sous forme de tableaux de bord interactifs et de solutions de visualisation en réalité augmentée., loadmore_text Load More loadmore_text_loading Loading… enable_resultcount off resultcount_position right result_count_single_text Showing the single result result_count_all_text Showing all %d results result_count_pagination_text Showing %d-%d of %d results, mix_blend_mode normal animation_style none animation_direction center animation_duration 1000ms animation_delay 0ms animation_intensity_slide 50% animation_intensity_zoom 50% animation_intensity_flip 50% animation_intensity_fold 50% animation_intensity_roll 50% animation_starting_opacity 0% animation_speed_curve ease-in-out animation_repeat once, La certification qualité a été délivrée au titre de la catégorie d’action suivante : ACTIONS DE FORMATION ACTIONS DE FORMATION PAR APPRENTISSAGE

Le candidat doit être capable de dialoguer avec des mécaniciens, data scientists et partenaires de recherche. Compétences techniques requises incluent la simulation par éléments finis, la modélisation, la réduction de modèles et le machine learning. Une compréhension de l’instrumentation, de l’architecture de données, des protocoles IoT et de l’interopérabilité est également nécessaire.

Le candidat doit avoir des connaissances générales en mécanique, programmation Python, et bibliothèques de machine learning comme Scikit-Learn, TensorFlow, et PyTorch. Des bases en simulation par éléments finis, modélisation multiphysique, conception mécanique et CAO sont requises. Les qualités recherchées incluent sociabilité, curiosité, communication, esprit d’équipe, organisation, rigueur, méthodologie, esprit critique et capacité à se remettre en question., * BAC

• BAC+2
• Licence alternance bac +3
• Master alternance bac +5
• BAC+6

• La grille alternance
• Alternance en entreprise
• Quelles aides pour les étudiants en alternance ?
• Le salaire d’un BTS en alternance
• Comment rechercher une alternance ?
• Quel salaire en alternance ?
• Quel rémunération en alternance ?
• Le salaire en contrat d’alternance
• Trouver une entreprise pour son alternance
• Comment avoir la prime d’activité en alternance

Nous sommes un accélérateur technologique dédié à la transformation de l’industrie, offrant des solutions globales de conseil et de services en ingénierie. Avec plus de 1100 experts, nous accompagnons la transformation de l’écosystème productif pour une industrie souveraine, positive et durable, capable de relever les défis énergétiques et écologiques actuels., background_enable_color on use_background_color_gradient off background_color_gradient_repeat off background_color_gradient_type linear background_color_gradient_direction 180deg background_color_gradient_direction_radial center background_color_gradient_stops #2b87da 0%|#29c4a9 100% background_color_gradient_unit % background_color_gradient_overlays_image off background_color_gradient_start #2b87da background_color_gradient_start_position 0% background_color_gradient_end #29c4a9 background_color_gradient_end_position 100% background_enable_image on parallax off parallax_method on background_size cover background_image_width auto background_image_height auto background_position center background_horizontal_offset 0 background_vertical_offset 0 background_repeat no-repeat background_blend normal, filter_saturate 100% filter_brightness 100% filter_contrast 100% filter_invert 0% filter_sepia 0% filter_opacity 100% filter_blur 0px