RENAULT propose un stage de fin d’étude spécialisé en mathématiques appliquées pour rejoindre une équipe dédiée à la réduction de gros modèles éléments finis de crash.
* Vous êtes ingénieur généraliste et vous pratiquez la simulation numérique (éléments finis)
* Vous vous spécialisez en mathématiques appliquées et informatique (programmation en python)
* Vous vous intéressez aux analyses statistiques sur de gros volumes de données, issues de simulation numériques sur le véhicule
* Vous souhaitez travailler sur des sujets à la pointe de la technologie en matière de simulation / modélisation
* Vous vous intéressez à la programmation et l’algorithmique pour obtenir un résultat concret, vous acceptez de suivre des standards de développement
* Linux sur HPC, le langage GO, les outils de Deep Learning TensorFlow, Keras…
* La programmation parallèle en python et / ou GO
* Les méthodes mathématiques de réduction de modèle 3D
* Un HPC miniature (28 cœurs) par personne
* Le HPC dans le cloud
* Les moyens HPC de GENCI
* Les outils de simulation numériques standard chez RENAULT (PAM-CRASH, ANSA, METAPOST…)
* Vous travaillerez dans une équipe de recherche comprenant des ingénieurs et quatre thèses CIFRE sur la réduction de modèle
* L’équipe est également en relation avec un éditeur de logiciels pour l’industrialisation et un laboratoire parisien dans le cadre d’un consortium de recherche, vous pourrez participer / contribuer à ces sujets
RENAULT utilise un processus de conception numérique, basé sur des simulations éléments finis pour la caisse des véhicules. Dans ce cadre, les équipes de développement réalisent des études d’optimisation pour proposer des compromis entre la masse (coût matière, dynamique véhicule, émissions de CO2), les performances (crash, aérodynamique, endurance, acoustique…) et le coût aux projets véhicules et moteurs en cours. Ces études peuvent être longues et coûteuses, car les simulations sont elles-mêmes longues (10h sur HPC pour un crash frontal par exemple). La volonté de réaliser plus d’études plus vite motive le développement de méthodes de réduction de modèle. Ces travaux sont engagés depuis plusieurs années et RENAULT dispose d’une méthode propre, adaptée aux codes de crash et NVH essentiellement. L’objet du stage est de contribuer à l’amélioration de la méthode en programmant de nouveaux modules.
La méthode développée pour le crash et l’acoustique mixe des techniques existantes comme EIM (Empirical Interpolation Method) et des outils de machine learning comme Random Forest. Cela donne de très gros modèles de régression non linéaires : millions d’observations et milliers de variables explicatives.
L’objectif du stage est d’améliorer l’outil existant :
* Remplacer Random Forest par un réseau de neurones, pour gérer l’occupation mémoire, permettre d’exploiter plus de données et préparer l’usage intensif des machines hybrides CPU/GPU sur HPC
* Générer de nouvelles variables explicatives (features dans le langage de la communauté du machine learning)
o via la TDA (Topological Data Analysis)
o en exploitant la connectivité du maillage pour construire des voisins d’un individu statistique dans le temps et / ou l’espace
* Améliorer la parallélisation de certains modules de pré et post-traitement, par exemple le module de prédiction
Les développements seront testés sur des cas industriels, issus de projets véhicules. Le stage permettra de développer des compétences clés en simulation numérique : manipulation de gros volumes de données sur HPC et dans le cloud, apprentissage automatique, algorithmique parallèle, visualisation de données.
Groupe RENAULT conçoit, produit et commercialise des véhicules pour particuliers et des utilitaires légers, sous les marques RENAULT, DACIA, ALPINE, LADA, RSM. Le principal site de recherche et développement est le TECHNOCENTRE, situé à Guyancourt (78). Le stage sera basé à Guyancourt.
Recevez chaque semaine un éclairage sur les data science
#J-18808-Ljbffr
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.