| Titre | Niveau d'étude | Spécialité | Candidature avant | Durée | Service |
|---|---|---|---|---|---|
| Caractérisation d’un capteur pixélisé en silicium pour la Physique des Particules. | Bac+4/5 | Électronique embarquée FPGA, HDL, Cadence |
31/07/2024 | 6 mois | DEDIP/STREAM |
| Caractérisation d’un capteur pixélisé en silicium pour la Physique des Particules. | Bac+4/5 | Électronique embarquée FPGA, HDL, Cadence |
31/07/2024 | 6 mois | DEDIP/STREAM |
| Caractérisation d’un capteur pixélisé en silicium pour la Physique des Particules. | Bac+4/5 | Électronique embarquée FPGA, HDL, Cadence |
31/07/2024 | 6 mois | DEDIP/STREAM |
| Deep Learning pour l’analyse de données en spectrométrie gamma | Bac+5 | Physique nucléaire Deep learning, spectral unmixing |
30/09/2024 | 6 mois | DEDIP/LILAS |
| Deep Plug-and-Play Optical Priors for Ground-Based Point Spread Function Models | Bac+5 | Astrophysique Deep learning, plug and play methods |
30/09/2024 | 6 mois | DEDIP/LILAS |
| Développement d’un algorithme basé sur l’intelligence artificielle pour l’inspection visuelle des modules à pixel du projet ATLAS-ITK | Bac+5 | Rèseaux de neurones - Maitrise de Linux et du langage Python - Une expérience avec des packages spécialisés pour le développement d’algorithmes basés sur l’intelligence artificielle comme pytorch est fortement appréciée - Une expérience avec l’analyse d’image en général est fortement appréciée - Une expérience avec Docker et Swarm est un plus - Une expérience avec les logiciels de versioning (GitLab, GitHub) est un plus |
07/07/2025 | 6 mois | DEDIP/LILAS |
| Point Spread Function Modelling with Neural Fields and a Differentiable Optical Model | Bac+5 | Astrophysique Machine learning |
30/09/2024 | 6 mois | DEDIP/LILAS |
PHoCEA DSM 2024 - Tous droits réservés - Mentions légales - Ce site utilise Twitter Bootstrap
Dernière mise à jour : 24-07-2024
