Stage - Géométrie Algorithmique f/h - Strategic Student Program

Siemens EDA (Siemens Digital Industries Software); Grenoble; Presencial; EUR 12 000 - 15 000; Tempo integral

Vantagens oferecidas por esta oferta de emprego

Gratification de stage 1200 € bruts/mo

Tickets Restaurant

Resumo da oferta

Siemens Digital Industries Software vous invite à rejoindre le Strategic Student Program (SSP) à Grenoble pour un stage de 6 mois, début janvier 2027. Vous travaillerez sur des problématiques liées à la déformation de courbes sous contraintes topologiques et à la préparation de données géométriques.

Sous la supervision d’experts, vous concevrez et prototyperez des approches de biasing pour des courbes paramétriques, comparerez les résultats et rendrez compte par écrit.

Qualificações

• Étudier l’existant, réaliser une étude bibliographique et ébaucher des pistes.
• Implémenter les approches retenues, définir leur domaine d'application et générer des données de test.
• Comparer les prototypes et rédiger le compte rendu des résultats.

Responsabilidades

• Étudier l’existant, réaliser une étude bibliographique et ébaucher des pistes.
• Implémenter les approches retenues et générer des données de test.
• Comparer les prototypes et rédiger le compte rendu.

Conhecimentos

Python

Anglais courant

Formação académica

BAC+5 en ingénierie ou équivalent

Descrição da oferta de emprego

Continuité numérique, simulation multiphysique, jumeaux numériques, exploitation de la donnée, métaverse industriel … Le portfolio de Siemens Digital Industries Software accompagne tous les secteurs industriels (Automobile, Aéronautique, Electronique, Energie, Pharma, Cosmétique, Agroalimentaire, ...) dans leur transformation numérique. Venez faire preuve d’ingéniosité à nos côtés et donner un nouveau sens à votre carrière dans un environnement dynamique commercialement et humainement !

Commencez votre carrière avec le programme Strategic Student Program (SSP)

Le Strategic Student Program (SSP) est le programme de stage officiel de Siemens Digital Industries Software à l’échelle mondiale. En rejoignant ce programme, vous serez accompagné(e) par des experts du secteur et développerez une expérience professionnelle concrète et valorisante. Les stagiaires du SSP bénéficient de nombreux avantages, notamment : un réseau international d’étudiants et une communauté dynamique, des opportunités de développement de carrière, une formation continue tout au long du programme, avec un accès au Siemens Learning Hub et à de nombreuses ressources pédagogiques et enfin la chance de contribuer à des projets innovants au sein d’un environnement de travail international et diversifié.

Sujet

Déformation de courbes sous contraintes topologiques, appliquée à la préparation de données géométriques pour le Mask Proximity Correction (MPC).

Votre terrain de jeu

Dans le domaine de l'EDA, et plus particulièrement du Mask Proximity Correction (MPC), les évolutions récentes conduisent à manipuler des formes géométriques curvilinéaires, rompant avec l'utilisation historique de géométries Manhattan. L'augmentation du nombre de points nécessaire à leur représentation polygonale conduit à l'utilisation de courbes paramétriques. Le biasing est une transformation géométrique classique utilisée à différentes étapes de la préparation des données. Il peut être uniforme ou non uniforme. Appliquées à des courbes paramétriques, ces transformations complexes ont des conséquences sur la précision géométrique, le nombre de points et, par conséquent, le volume de données.

L'objectif du stage est de concevoir et de prototyper différentes approches de biasing pour des courbes paramétriques fermées, sous contraintes de précision et de volumétrie.

Les différentes étapes de votre mission seront :

• Étudier l'existant, réaliser une étude bibliographique et ébaucher plusieurs pistes de solution.
• Implémenter les approches retenues, définir leur domaine d'application, sélectionner ou générer des données de test et choisir des métriques de qualité pertinentes.
• Selon le nombre de prototypes réalisés, comparer les approches, examiner les compromis associés et consigner les résultats dans un compte rendu.

Ce stage de 6 mois est basé à Grenoble (38) et est à pourvoir dès janvier 2027.

Les atouts pour réussir :

• En cours de formation supérieure en école d’ingénieur (BAC+5) ou équivalent, en France, spécialisé en géométrie algorithmique.
• Vous disposez d'un niveau de développement logiciel (ex : Python) correspondant à une formation de ce niveau et êtes à l'aise avec la mise en œuvre d'algorithmes.
• Vous faites preuve d'autonomie et êtes capable de proposer et d'explorer de nouvelles idées.
• Vous adoptez une démarche expérimentale rigoureuse pour construire, mesurer et comparer les solutions proposées.
• Vous avez un niveau d'anglais courant vous permettant d'évoluer dans un environnement technique international.

Si vous lisez cette annonce et que vous vous demandez si vous devez postuler, alors postulez ! Il n’y a pas de candidat(e) parfait(e) et nous ne nous attendons pas à ce que vous maitrisiez tous les domaines mentionnés. Nous recherchons avant tout un savoir-être et une personne qui saura s’intégrer dans nos équipes, avec motivation, engouement et envie d'apprendre.

Pourquoi nous rejoindre ?

Intégrer Siemens Digital Industries Software vous permet d'évoluer dans un contexte international et dans un environnement de haute technologie. Vous bénéficiez d’un cadre favorable à votre développement et à votre succès.

Chez Siemens, nous nous dépassons constamment pour construire un avenir meilleur. Pour cela, nous avons besoin des esprits les plus innovants et diversifiés en matière de digital pour concevoir la réalité de demain. Nous valorisons la diversité en tant qu’inclusion et collaboration de différentes pensées, origines, expériences et expertises, à tous les niveaux et dimensions de l’organisation. C’est pour cela que Siemens Digital Industries Software recrute et reconnait tous les talents.

Gratification de stage

• 1200 euros bruts mensuels + Tickets Restaurant.

Siemens Software. Transform the Everyday

#SSP