Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Classification de défauts dans des images CDSEM par Machine Learning H/F


Détail de l'offre

Informations générales

Entité de rattachement

Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.

Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).

Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.  

Référence

2019-10491  

Description du poste

Domaine

Technologies micro et nano

Contrat

Stage

Intitulé de l'offre

Classification de défauts dans des images CDSEM par Machine Learning H/F

Sujet de stage

L'équipe du CLG (Computational Lithography Group) du CEA-LETI travaille depuis plusieurs années sur l'élaboration de logiciels permettant -entre autres- la classification de défauts apparaissant au cours de différents procédés de lithographie.
Du fait de la réduction des géométries sur lesquelles ces classifications sont réalisées et de l'augmentation du ratio signal bruit des images qui en découle, les approches classiques de classification de défauts atteignent leurs limites et doivent être repensées.
Le présent stage se propose donc d'explorer la voie du Machine Learning pour pallier les difficultés actuellement rencontrées.

Durée du contrat (en mois)

6 mois

Description de l'offre

Après s’être familiarisé(e) avec les principaux éléments bibliographiques sur le sujet (Machine Learning, classification de défauts, …), vous serez amené à développer votre propre réseau de neurones pour traiter le problème de classification posé.

Pour ce faire, vous pourrez vous appuyer sur les compétences acquises par l’équipe du CLG sur le sujet ainsi que sur les moyens de calculs qui vous seront alloués (clusters, GPUs, …).

Les développements seront à réaliser en python et pourront faire appel à des librairies comme TensorFlow ou Keras.

 

Pour postuler à cette offre, merci de contacter Mr QUEMERE Patrick à l'adresse suivante : Patrick.quemere@cea.fr

Profil du candidat

Ecole d'ingénieur ou master 2

Localisation du poste

Site

Grenoble

Localisation du poste

France, Auvergne-Rhône-Alpes

Demandeur

Disponibilité du poste

03/02/2020