Opis tej firmy nie jest jeszcze dostępny w tym języku.
Stage BAC+5 machine learning H/F
Mise en œuvre de techniques de machine learning pour l'élaboration de modèle cinétique pour la production de e-carburants Missions : Le Laboratoire Réacteurs et Procédés (LRP) possède une expertise reconnue dans l'évaluation des performances des réacteurs d'hydrogénation catalytique pour la production de différents e-carburants, en particulier pour le sec…
3× większe szanse na rozmowę kwalifikacyjną dzięki cold emailowi
Zobacz oryginalną ofertęInformacje o CEA
- Branża
- Edukacja i badania naukowe
- Aktualne oferty
- 945
Szczegóły oferty
Pełny opis opublikowany przez CEA.
Description de l’offre
Mise en œuvre de techniques de machine learning pour l'élaboration de modèle cinétique pour la production de e-carburants
Missions :
Le Laboratoire Réacteurs et Procédés (LRP) possède une expertise reconnue dans l'évaluation des performances des réacteurs d'hydrogénation catalytique pour la production de différents e-carburants, en particulier pour le secteur de l’aviation.
Ces études se déroulent au travers d'une plateforme expérimentale comportant plusieurs bancs d'essais qui permettent de tester différents designs de réacteurs et différents catalyseurs dans des conditions opératoires variées. Les catalyseurs sont généralement synthétisés et caractérisés par le Laboratoire des Composants pour l'Hydrogène et le Cycle du carbone (LCHC), une autre unité du CEA LITEN.
Les données issues de la caractérisation du catalyseur et des essais en réacteur tubulaire (conditions opératoires, intrants et composition en sortie du réacteur) servent à l'élaboration de modèles cinétiques qui permettent de décrire le comportement du catalyseur dans les conditions testées et de nourrir des simulations à plus grande échelle (réacteur, procédés).
Dans ce cadre, vous serez amenés à étudier différentes approches basées sur le machine learning pour l'élaboration de modèles cinétiques. Il peut s'agir de méthodologies purement basées sur les données, mais également de méthodologies hybrides incorporant de l'apprentissage statistique dans un modèle physique ou inversement (Physics Informed Machine Learning). Les principales questions qui vous seront posées lors de ce stage seront les suivantes :
• Est-il possible d'améliorer la fiabilité et la robustesse de nos modèles grâce au machine learning ?
• Le machine learning permet-il d'élaborer des plans d'expériences plus frugaux sans perdre en fiabilité (active learning) ?
• À termes, serait-il possible d'élaborer des modèles prédictifs applicables à de nouveaux catalyseurs ?
Diplôme préparé : Bac +5 – Master 2
Compétences scientifiques : Data science, machine learning, programmation python
Vous êtes
reconnu(e) pour votre : rigueur, autonomie, sens de l'initiative, sens de la synthèse
Moyens/Méthodes/Logiciels : python
Commentaires libres : Des connaissances en thermodynamique et chimie organique seraient un plus
3× większe szanse na rozmowę kwalifikacyjną dzięki cold emailowi
Aplikuj na tę ofertę
Jak aplikować?
Oferta jest opublikowana na stronie CEA. Otwórz oryginalną ofertę ↗ aby wysłać aplikację. Screeningpass nie wypełnia formularza za Ciebie.
Do kogo w CEA napisać w sprawie tego stanowiska?
Rozpocznij wyszukiwanie kontaktu na tej stronie. Screeningpass zaproponuje Ci maksymalnie trzy osoby związane ze stanowiskiem. Wybierz osobę, do której chcesz napisać, a Screeningpass poszuka jej służbowego adresu e-mail i przygotuje wiadomość. Sprawdź ją i wyślij samodzielnie przez Gmail. Adres e-mail nie zawsze jest dostępny i nigdy nie ma gwarancji odpowiedzi.
Ile kosztuje wyszukanie kontaktu?
Jedno wyszukiwanie kosztuje 1 kredyt. Jeśli wyszukiwanie się nie powiedzie, kredyt wróci na Twoje konto. Za rejestrację otrzymasz 3 kredyty, czyli 3 wyszukiwania.
Do czego służy Screeningpass?
Screeningpass zbiera publikowane przez firmy oferty staży, kształcenia dualnego i pracy. Dla danej oferty Screeningpass znajduje osobę do kontaktu w firmie, szuka jej służbowego adresu e-mail i przygotowuje wiadomość na podstawie Twojego CV. Zobacz szczegółowo, jak to działa.