Stage machine learning SoH batterie F/H/X

Socomec Sas; France; Hybride; EUR 10 000 - 15 000; Temps partiel

Avantages offerts par ce poste

Restaurant d’entreprise

Tickets restaurant

Résumé du poste

Socomec SAS recherche un stagiaire en logiciel embarqué pour travailler au sein d’une équipe firmware sur un outil de prédiction de la durée de vie des batteries lithium des alimentations sans interruption. Vous contribuerez au stockage embarqué en C, à la collecte de données et au développement de modèles de prédiction.

Le stage, d’une durée de 6 mois, exige une maîtrise du C embarqué et des notions de ML avec Python, ainsi qu’une connaissance des STM32 et des capteurs.

Qualifications

• Étudiant en Bac+5 Master ou école d’ingénieur en logiciel embarqué ou génie électrique
• Stage de 6 mois
• Maîtrise du C embarqué et temps réel
• Maîtrise souhaitée du machine learning avec Python : régression, classification, réseaux de neurones
• Maîtrise traitement de données avec pandas et NumPy, feature engineering, analyse statistique et visualisation
• Anglais professionnel, niveau B2 minimum
• Expérience appréciée en TinyML ou Edge AI : TensorFlow Lite Micro, Edge Impulse, STM32Cube.AI
• Connaissance des microcontrôleurs STM32 : ARM Cortex-M, STM32CubeMX, HAL, SPI, I2C, mémoire Flash
• Connaissance des batteries lithium-ion et vieillissement souhaitée
• Rigueur et organisation, curiosité technique, communication efficace

Responsabilités

• Analyser les données nécessaires à la prédiction de l’état de santé des batteries lithium-ion et définir les variables pour l’apprentissage
• Développer en C l’environnement de stockage embarqué pour collecte et gestion des données en mémoire Flash sur STM32
• Implémenter les mécanismes d’archivage et de rotation des données historiques en respect des contraintes embarquées
• Concevoir, entraîner et évaluer un modèle ML pour prédire l’état de santé des batteries
• Comparer les stratégies de déploiement entre entraînement embarqué TinyML et entraînement déporté sur cloud/PC avec inférence locale
• Intégrer et valider la solution sur une Gateway réelle en mesurant performances, mémoire et latence

Connaissances

Maîtrise du C embarqué

Anglais professionnel

Rigueur et organisation

Communication efficace

Curiosité technique

Formation

Bac+5 Master ou école d’ingénieur en logiciel embarqué ou génie électrique

Outils

TinyML

TensorFlow Lite Micro

STM32Cube.AI

Python

pandas

NumPy

STM32CubeMX

HAL

SPI

I2C

Description du poste

Vous rejoignez une équipe firmware d’une quinzaine de personnes. Vous travaillez sur un outil d’aide à la prédiction de la durée de vie des batteries lithium de nos alimentations sans interruption. Le stage associe développement embarqué en C, collecte de données et recherche de nouveaux modèles de prédiction afin d’évaluer l’état de santé des batteries.

Sous la supervision de votre tuteur, vous serez amené à :

• Analyser les données nécessaires à la prédiction de l’état de santé des batteries lithium-ion, notamment la tension, le courant, la température, les cycles de charge et l’impédance, puis définir les variables pertinentes pour l’apprentissage automatique.

• Développer en C l’environnement de stockage embarqué destiné à la collecte et à la gestion des données en mémoire Flash sur STM32.

• Implémenter les mécanismes d’archivage et de rotation des données historiques dans le respect des contraintes embarquées.

• Concevoir, entraîner et évaluer un modèle de machine learning pour prédire l’état de santé des batteries.

• Comparer les stratégies de déploiement, entre entraînement embarqué TinyML et entraînement déporté sur cloud ou PC avec inférence locale.

• Intégrer et valider la solution sur une Gateway réelle en mesurant les performances, la consommation mémoire et la latence.

Profil

• Étudiant en diplôme de niveau Bac+5, Master ou école d’ingénieur en logiciel embarqué ou génie électrique

• Vous recherchez un stage d'une durée de 6 mois.

• Maîtrise de la programmation C embarquée : pointeurs, structures, gestion mémoire et contraintes temps réel

• Maîtrise souhaitée du machine learning avec Python : régression, classification, réseaux de neurones, entraînement et évaluation

• Maîtrise souhaitée du traitement de données avec pandas et NumPy, du feature engineering, de l’analyse statistique et de la visualisation

• Anglais professionnel, niveau B2 minimum, pour les échanges avec les filiales

• Expérience appréciée en TinyML ou Edge AI souhaitée : TensorFlow Lite Micro, Edge Impulse, STM32Cube.AI ou optimisation de modèles

• Connaissance des microcontrôleurs STM32 souhaitée : ARM Cortex-M, STM32CubeMX, HAL, SPI, I2C ou mémoire Flash

• Connaissance des batteries lithium-ion et des mécanismes de vieillissement souhaitée

Parce que votre profil ne se résume pas qu’à des compétences métier:

• Rigueur et organisation, pour documenter précisément les travaux et respecter les échéances

• Curiosité technique et capacité d’apprentissage, pour monter rapidement en compétence sur le TinyML et les batteries

• Communication efficace, pour présenter les résultats et collaborer avec les équipes R&D, validation et production

Rejoindre Socomec en stage, c’est bénéficier de conditions encadrées et d’avantages concrets

• La prise en charge d’une partie de vos frais de transport

• Une autorisation d’absence à raison de 1 jour par mois de présence (pour les stages de plus de 2 mois, conformément à la réglementation en vigueur)

Les avantages Socomec:

• La prise en charge de vos repas au restaurant d’entreprise

• Une carte tickets restaurant pour les stagiaires en agence commerciale

• Accès à tous les avantages du Comité Social et Economique

• Une session d’onboarding dédiée pour bien démarrer votre expérience chez Socomec

• Un accompagnement de proximité avec un tuteur dédié tout au long de votre stage

• Des missions concrètes et une pleine intégration aux projets de votre équipe

#LI-PFG