Skip to content
CV Rocket
Get started
How it worksThe enginePricingBlogContactSign in

Open nowPosted yesterday

Trainee

Michelin169 open roles

Where
Clermont-Ferrand
Work mode
On site
Get the CV for this job

From $25 per CV, paid once. No subscription.

Your applicationOpen nowTraineeMichelin · Clermont-Ferrand

  1. YouYes, apply to this one.

  2. CV RocketCV written for this posting.

  3. 25 readersRecruiter, hiring manager, skeptic. Round after round.

  4. CV RocketApplied on Michelin's own form.

The reply lands in your private mailbox

3×more interviews than doing it yourself with ChatGPT.

The clock on this job

Early applications get read.

13.3% of postings close within 7 days. Measured by our own scanner across the market. Michelin postings stay open a median of 11 days.

Share of postings closed within
  1. 2.1%1 day
  2. 4.6%3 days
  3. 13.3%7 days
  4. 21.3%14 days
  5. 35.7%30 days
  6. 59.1%60 days
This job: posted yesterday

Michelin median: 11 days open

The posting

Trainee

- - - - - - - - - - - -

📍 Localisation : Clermont ferrand

🎓 Niveau d'études : Bac +5

📅 Date de début : A partir de Mars 2027

⏱️ Durée: 4 à 6 mois

Contexte

L'équipe Industrie 4.0 de Michelin est engagée dans la transformation de l'industrie en utilisant un ensemble de technologies clés du digital, notamment le numérique, les don-nées (data) et l'intelligence artificielle (IA). Ces éléments sont combinés pour favoriser une transition significative vers l'Industrie 4.0 dont l’ambition est d'améliorer la qualité des produits, réduire les coûts en minimisant l'impact environnemental, et favoriser l'innova-tion en accroissant l'agilité de l'entreprise pour répondre aux enjeux sociétaux et besoins changeants du marché.

Mission et objectif

L’exploitation de la quantité de donnée produite par l’industrie 4.0 reste souvent limitée par la complexité des phénomènes physiques sous-jacents. Les nouvelles méthodes de la science des données ouvrent la possibilité de découvrir des structures cachées. L’objectif de ce stage est d’identifier des propriétés adimensionnelles directement à partir de don-nées sans a priori physique. Le travail consistera à développer des approches fondamen-talement guidées par les données permettant d’extraire automatiquement ces structures latentes. Une attention particulière sera portée à l’explicabilité et à l’interprétabilité des résultats afin de transformer les modèles obtenus en connaissances exploitables.

Axes de recherche du stage

Ce travail commencera par une recherche bibliographique des différentes méthodes de découverte de structures cachées. Des benchmarks de complexité croissante seront utilisés pour construire des modèles. Ces benchmarks disposant d’invariants ou de structures latentes connus permettront de quantifier la capacité de découverte et la robustesse de chaque modèle. Les approches les plus prometteuses seront ensuite appliquées à des données industrielles réelles pour étudier la stabilité, l’interprétabilité et la transférabilité des propriétés identifiées. Les résultats obtenus feront enfin l’objet d’une analyse a posteriori afin d’évaluer leur cohérence avec les connaissances scientifiques existantes et leur potentiel de généralisation à différents procédés industriels.

(Champion et al., PNAS, 2019, DOI: 10.1073/pnas.1906995116 ; Lagemann et al., Nature Machine Intelligence, DOI : 10.1038/s42256-023-00744-z ; Brunton et al., PNAS, 2016, DOI : 10.1073/pnas.1517384113)

Missions du stagiaire

Durant le stage, le candidat sera amené à :

· Réaliser une revue de l’état de l’art des différentes méthodologies (i.e. autoencoders, variational autoencoders, méthodes de manifold learning et contrastive learning).

· Implémenter et tester les méthodes.

· Comparer les performances des différents modèles sur les données du modèle physique.

· Évaluer les solutions les plus prometteuses sur les données industrielles

Apports pour le/la candidat.e

Ce stage offre au candidat une expérience concrète et significative dans :

· La mise en œuvre d’architectures d’apprentissage machine.

· La validation de modèle utilisant des données industrielles complexes.

Cette expérience constitue une excellente préparation à un doctorat ou à un poste en R&D en mathématique appliquée ou dans l’intelligence artificielle.

Profil recherché

Le profil recherché est un(e) étudiant(e) de Master 2 en mathématiques appliquées, en science des données ou apprentissage profond.

Compétences attendues : bonnes bases en programmation scientifique (Python, PyTorch ou TensorFlow), connaissances en deep learning.

- - - - - - - - - - - -

Michelin entreprise engagée dans la mobilité durable et reconnue pour ses actions en faveur de l’expérience employé !

  • Une note de 99/100 à l’index de l’égalité femmes-hommes
  • Entreprise « Handi accueillante », avec un réseau de référents et ambassadeurs Handicap pour vous accompagner
  • 83,5% de taux d’engagement de nos employés
  • 94,6% des stagiaires et alternants nous recommandent, label "Happy Trainees" depuis 9 années consécutives
  • Classé parmi les groupes du CAC 40 les plus engagés selon les Bac+5 à l’index RSE Universum 2023
  • Parmi les 100 entreprises les plus attractives pour les étudiants et actifs BAC+2/3 au classement Universum 2023
  • N°1 des entreprises de plus de 500 stagiaires et alternants qui rémunèrent le mieux au Classement HappyTrainees® Rémunération 2023
  • Dans le Top 10 des meilleurs employeurs en France au classement Glassdoor 2023
  • Dans le top 3 des entreprises du secteur « Automobile / Equipementier » en matière d’attractivité employeur à l’édition 2024 du Palmarès @EPOKA @GROUPE IFOP @Occurrence

Pour en savoir plus sur le Groupe :https://recrutement.michelin.fr

- - - - - - - - - - - -

From $25, paid onceGet the CV for this job

What happens when you press

One press. We do the rest.

  1. A CV for this posting

    Written against Michelin's own wording, from every piece of relevant proof in your profile.

  2. 25 readers review it

    Recruiter, hiring manager, skeptic and more read every draft, round after round. You get the best round.

    The review screen in CV Rocket: how each CV was read, round by round.

  3. We apply on Michelin's form

    Our application engine gets through the hardest forms there are. Where a question needs you, AI suggests the best answer. Don't want us applying from our IP addresses? Use our Chrome extension: we apply straight from your own browser.

    An application in CV Rocket: every answer filled in on the employer's form.

  4. Every reply, sorted

    Michelin's answer lands in your private mailbox, and we classify it on arrival: interview, question, rejection.

    The CV Rocket inbox: each employer reply classified as an interview, an action or a rejection.

  5. Reply with AI

    AI helps you write the email, checks it and sends it. We show you whether the recruiter read it.

  6. The interview in your calendar

    Full integration with your calendar. The invitation goes straight in.

    An interview invitation in the CV Rocket inbox, added to the candidate's calendar.
Get the CV for this job

From $25 per CV, paid once. No subscription.

Why it works

3×

more interviews than doing it yourself with ChatGPT.

ChatGPT writes a CV and never learns what happened to it. We see every reply. For each CV we know:

  • How it was written, and how the review scored it
  • When we applied, and how long after the posting went up
  • Which posting, which company, which city
  • Who got the interview, and who heard nothing

That is how we know which CVs get called.

Get the CV for this job

From $25 per CV, paid once. No subscription.

The numbers game

More applications. More interviews.

Every application goes out with its own CV, written for that posting and paid once. Send enough of them and the law of large numbers finds you the job.

Get the CV for this job
By hand5–10
With CV Rocket100
applications a day

Nearby

Live postings like this one

Same employer first, then the same role elsewhere.

Before you press

Straight answers

Get the CV for this job

From $25 per CV, paid once. No subscription.

What if my background isn't good enough?

We make the most of the background you have. The CV uses every piece of relevant proof your profile holds, and one of the 25 readers reads your whole profile and flags what the CV left out.

Do you really apply for me?

Yes, on the employer's own form, the hardest ones included. Where a question needs you, you answer it right there and AI suggests the best answer. Don't want us applying from our IP addresses? Use our Chrome extension: we apply straight from your own browser.

Is it a subscription?

No. You pay once per CV, from $25. Every application goes out with its own CV, written for that posting.

One job. One CV.
Paid once.

Pick the posting you want. We write for it, apply for you and catch the reply.

Get the CV for this job

From $25 per CV, paid once. No subscription.