Ingénieur R&D – Simulation Numérique
Réf. 2606231851 · 75012 Paris · 5 à 10 ans d'expérience
Coordonnées masquées — CV anonymisé par PMEBTP
Ma recherche
Je recherche tout type de contrat, sur toute la région Ile de France, dans le Batiment.
Atouts et compétences
- Modélisation et simulation numérique
- Méthode des éléments finis (FEM)
- Méthode des volumes finis (FVM)
- Méthodes spectrales (FFT)
- Homogénéisation numérique
- Calcul scientifique haute performance
- Intelligence artificielle / Apprentissage profond explicable
- Optimisation mathématique
- Vérification et validation logicielle (V&V)
- Gestion de configuration logicielle (Git
- CI/CD)
- Python (NumPy
- SciPy
- pandas
- scikit‑learn
- TensorFlow
- PyTorch
- pytest)
- C++ (orienté objet)
- Fortran 77
- MATLAB
- Linux (environnement de R&D industriel)
- Rédaction technique et scientifique
- Enseignement et pédagogie
- Travail en équipe pluridisciplinaire
- Autonomie
- Rigueur
- Esprit de synthèse
- Force de proposition
- Curiosité scientifique
Langues
Français (maternelle), Anglais (courant), Arabe (maternelle)
Expériences professionnelles
Ingénieur R&D – Simulation numérique et vérification logicielle
Employeur confidentiel
Développement et qualification de modules numériques sur le code thermomécanique nucléaire industriel CYRANO3 (Fortran 77, Python, Linux). Vérification et validation logicielle (V&V), rédaction de plans de test, rapports de validation, spécifications, notes de calcul. Utilisation de Code_Aster, scripts Python d'automatisation de tests, gestion de configuration Git/GitHub.
Enseignant vacataire – Théorie du signal et Optimisation
Employeur confidentiel
Cours de théorie du signal (45 h TD) et optimisation (6 h TP) pour élèves ingénieurs. Co‑élaboration de sujets d'examen, accompagnement individuel des étudiants.
Doctorant – Chercheur, équipe ARTS, projet Beyond 5G
Employeur confidentiel
Conception d'un modèle de substitution par apprentissage profond explicable (SHAP). Optimisation bi‑objectif et programmation fractionnaire. Méthodes heuristiques (Particle Swarm Optimization). Analyse de robustesse et propagation d'incertitudes. Développement Python avancé (NumPy, SciPy, pandas, scikit‑learn, TensorFlow, PyTorch). Publications IEEE, présentations orales, activités de reviewing.
Stage de recherche – Calcul scientifique et méthodes numériques
Employeur confidentiel
Implémentation en C++ d'une méthodologie multigrille hiérarchique couplée à l'homogénéisation par FFT pour le calcul des propriétés effectives de matériaux composites hétérogènes. Comparaison FEM vs FFT, caractérisation multi‑échelle, analyse précision, stabilité, mémoire et temps de calcul.
Formations
Doctorat
IMT Nord Europe (Institut Mines‑Télécom) – Université de Lille
Doctorat en Traitement du Signal et des Images Thèse à dominante mathématiques appliquées, apprentissage profond explicable et simulation numérique. Directeur de thèse : Pr. Laurent Clavier.
Bac +5
Université de Montpellier
Master 2 – Mathématiques, Modélisation et Analyse Numérique
Bac +3
Université Libanaise – Beyrouth
Master 1 – Mathématiques
Bac +3
Université Libanaise – Beyrouth
Licence – Sciences Mathématiques