Au sein de la Direction Technical, vous intégrez l'équipe en charge de développer des modèles embarqués d’effecteurs pour les simulations d’entraînement ainsi que pour la conduite de tir des effecteurs tirés depuis plateformes aéroportées.Objectif De Votre StageDévelopper et valider un algorithme d’optimisation fondé sur le Machine Learning, afin de générer un ensemble de paramètres cohérents permettant de reproduire une performance d'effecteurs déterminée.Grâce à Vos Compétences VousPrenez connaissance des enjeux liés au besoin de restitution ;Explorez et sélectionnez les différentes méthodes d’optimisation par Machine Learning pour répondre au besoin ;Développez le ou les algorithmes identifiés, dans un environnement de développement adéquat en interface avec des modèles en C++17 ;Réalisez la validation des algorithmes développés ;Assurez la gestion en configuration des algorithmes dans une application dédiée ;Rédigez les rapports de tests et un manuel utilisateur ;Participez à la diffusion auprès du département et des projets de cet outil (algorithmes et IHM) et assurez un support à son utilisation.En transverse, vous aurez la possibilité de soumettre vos idées et de faire émerger des sujets qui s’inscriront dans le cadre innovant de l’entreprise.Actuellement en dernière année de cycle d'Ingénieur ou équivalent avec une spécialisation en Logiciel.Vous possédez de bonnes connaissances sur les algorithmes de Machine Learning et des compétences en développement logiciel et algorithmique et en analyse numérique. Vous avez des notions sur les langages de programmation (Python, C++14 ou supérieur).Compte tenu de l'environnement international de la société, un bon niveau d'anglais est requis.Durée du stage : 6 mois conventionnés.Date de début : à partir de février 2027 (modulable).Les défis technologiques de l’industrie de défense vous motivent ? Envoyez-nous votre candidature !

Sourced from LinkedIn. Relocantly aggregates public job postings; apply on the original site.

Stage Logiciel : Optimisation de paramètres effecteurs par Machine Learning F/H