Job Search and Career Advice Platform

Activez les alertes d’offres d’emploi par e-mail !

STAGE - Machine Learning & GNN pour modélisation électrique H/F

STMicroelectronics

Crolles

Sur place

EUR 30 000 - 45 000

Plein temps

Aujourd’hui
Soyez parmi les premiers à postuler

Générez un CV personnalisé en quelques minutes

Décrochez un entretien et gagnez plus. En savoir plus

Résumé du poste

Une entreprise mondiale de semi-conducteurs recherche un étudiant(e) en dernière année pour rejoindre son équipe en modélisation SPICE et Machine Learning à Crolles. Les responsabilités incluent la veille technologique sur le Machine Learning, le développement de modèles pour prédire des caractéristiques des circuits, et la documentation des résultats. Le candidat idéal possède des compétences en Python et en Machine Learning, et est curieux et autonome. Ce rôle offre une belle opportunité d'apprentissage au sein d'une entreprise valorisant la diversité et l'inclusion.

Prestations

Opportunités de carrière diversifiées
Environnement de travail inclusif et diversifié

Qualifications

  • Curriculum en informatique ou domaine connexe avec une spécialisation en Machine Learning.
  • Connaissance des démarches de modélisation électrique.
  • Capacité à travailler en autonomie et avec curiosité.

Responsabilités

  • Réaliser une veille technologique sur les méthodes de Machine Learning et GNN.
  • Développer et entraîner des modèles pour la prédiction des capacités et résistances.
  • Documenter et présenter les résultats régulièrement.

Connaissances

Python
Machine Learning
Graph Neural Networks
Analyse
Travail en équipe
Communication écrite et orale

Formation

Dernière année d’école d’ingénieur ou de master en informatique, Machine Learning ou mathématiques appliquées

Outils

TensorFlow
PyTorch
Description du poste

Chez STMicroelectronics, nous sommes convaincus que la technologie est un moteur d’innovation et a un impact positif pour les entreprises, les personnes et la société.

En tant qu’acteur mondial des semiconducteurs, nos technologies de pointe et nos composants électroniques sont invisibles mais au cœur du monde d’aujourd’hui.

Rejoindre ST, c’est intégrer une entreprise internationale riche de plus de 115 nationalités, présente dans 40 pays, et rassemblant plus de 50 000 talents passionnés et engagés, tous unis par la volonté de créer et d’inventer la technologie de demain.

Innover demande bien plus que des compétences techniques : cela nécessite des personnes inspirantes, qui savent collaborer avec respect et enthousiasme. Des collaborateurs animés par la passion, prêts à remettre en question le statu quo, à faire avancer l’innovation et à révéler leur plein potentiel.

Venez vivre cette aventure avec nous et contribuez à construire un futur plus intelligent et plus durable, en alliant responsabilité et innovation.

Notre technologie commence avec vous.

À propos de vos missions :

Intégré(e) au sein de notre équipe spécialisée en modélisation SPICE et Machine Learning, vous participerez activement à l’exploration de nouvelles approches pour la modélisation électrique des couches d’interconnections des circuits micro et nano‑électroniques. Vos missions principales seront :

  • Réaliser une veille technologique sur les méthodes de Machine Learning et de Graph Neural Networks (GNN) appliquées à la microélectronique.
  • Analyser, préparer et structurer des jeux de données issus de simulations SPICE ou de mesures réelles.
  • Développer et entraîner des modèles de Machine Learning et de GNN pour la prédiction des capacités et résistances parasites à partir de la topologie des circuits.
  • Évaluer les performances des modèles développés.
  • Documenter vos travaux et présenter régulièrement vos résultats.
  • Proposer des axes d’amélioration et des recommandations pour l’intégration des solutions dans les outils de conception.
À propos de vous :
  • Étudiant(e) en dernière année d’école d’ingénieur ou de master, avec une spécialisation en informatique, Machine Learning ou mathématiques appliquées.
  • Solides compétences en programmation, notamment en Python et dans l’utilisation de frameworks de Machine Learning (TensorFlow, PyTorch, etc.).
  • Bonne maîtrise des concepts fondamentaux du Machine Learning et, idéalement, une première expérience avec les Graph Neural Networks (GNN).
  • Une connaissance ou une culture générale en microélectronique constitue un atout.
  • Esprit d’analyse, rigueur scientifique et capacité à travailler en équipe.
  • Curiosité, autonomie et motivation pour explorer des solutions innovantes.
  • Bonnes capacités de communication écrite et orale, en français et en anglais.

ST est fière d’être certifiée parmi les 17 entreprises mondiales « Global Top Employers 2025 » et d’être la première et unique entreprise de semi‑conducteurs à recevoir cette distinction. ST a été distinguée dans ce classement grâce à sa démarche d’amélioration continue, se démarquant notamment par son engagement en matière d’éthique et d’intégrité, de sens et de valeurs, d’organisation et de gestion du changement, ainsi que par sa stratégie commerciale et ses performances. En France, ST a également obtenu la labélisation Happy Trainee 2025.

Nous cultivons un environnement de travail inclusif et diversifié, où la discrimination n’a pas sa place. Notre ambition est de recruter et de fidéliser des talents reflétant la richesse des sociétés dans lesquelles nous évoluons.

Nous nous engageons à l’équité dans le développement des carrières, les opportunités professionnelles et la rémunération.

Chez ST, nous encourageons les candidats qui ne remplissent pas forcément tous les critères à postuler, car nous croyons en la richesse des parcours variés et offrons de réelles opportunités d’apprentissage et d’évolution. La diversité, l’équité et l’inclusion sont des valeurs fondamentales qui façonnent notre culture d’entreprise.

Pour découvrir toutes nos opportunités, rendez-vous sur st.com/careers.

Obtenez votre examen gratuit et confidentiel de votre CV.
ou faites glisser et déposez un fichier PDF, DOC, DOCX, ODT ou PAGES jusqu’à 5 Mo.