Stage Ingénieur Modélisation Hybride Hétérogène (Physique/ML) pour la prédiction de la QoS F/H
Orange - CHÂTILLON,FRANCE
Posted Nov 19, 2026
Benefits
- Parental leave
- Not verified
- Non-birth-parent leave
- Not verified
- Family-building benefits
-
- Fertility benefits: Not verified
- Adoption assistance: Not verified
- Surrogacy assistance: Not verified
- Mental health support
- Not verified
- Relocation assistance
- Not verified
- Childcare support
- Not verified
- Learning budget
- Not verified
- Verification
- Not verified
- Salary
- Not verified
Was this benefit information wrong? Tell us.
Role
- Seniority
- Mid From the posting source
Schedule
- Shift type
- Not verified
- Weekend work
- Not verified
Application
- Cover letter
- Not verified
- Assessment
- Not verified
- Deadline
- Not stated
Where they hire
State eligibility is not yet verified.
About this role
Stage Ingénieur Modélisation Hybride Hétérogène (Physique/ML) pour la prédiction de la QoS F/H CHÂTILLON,FRANCE Publication date : Nov 04, 2026, 4:20PM Contract duration : 6 months Le département Innovation in Radio and Environment (IREN) d'Orange Innovation recherche un(e) stagiaire motivé(e) pour contribuer au développement de modèles hybrides de nouvelle génération visant à prédire la Qualité de Service (QoS) dans les réseaux cellulaires 4G et 5G à grande échelle. OBJECTIF DU STAGE : Combiner des modèles physiques et le Machine Learning (ML) pour créer une prédiction fiable, interprétable et efficace de la QoS. Face à la complexité croissante des réseaux mobiles, la prédiction de la QoS en fonction du trafic est un défi majeur, notamment pour couvrir de vastes zones urbaines ou nationales. Les modèles physiques, explicables et robustes, manquent parfois de précision dans des configurations très diverses, tandis que les modèles ML offrent de bonnes performances mais nécessitent beaucoup de données et manquent d'interprétabilité. CONTEXTE ET ENJEUX : Orange souhaite développer un modèle hybride physique-ML hétérogène, exploitant une famille de modèles physiques paramétrés pour représenter la diversité des situations réseau, puis utilisant le ML pour corriger les écarts résiduels. Ce projet s'inscrit dans la continuité d'un stage réalisé en 2026, qui avait montré qu'un modèle hybride homogène (physique corrigé par ML) améliorait la prédiction tout en restant interprétable et peu gourmand en données. Le stage 2027 vise à étendre cette approche à un modèle hétérogène, intégrant plusieurs modèles physiques adaptés à différentes configurations réseau. Les variations à considérer incluent notamment
Read the full description at orange.jobs. FewerJobs shows a preview and links to the original posting.
Apply link verified; last checked Nov 20, 2026.
What verified means
Verified means a displayed claim has field-level provenance to a source FewerJobs pulled: a government or employer source, or the original job posting. Posting-sourced facts are employer-stated and are labeled separately from government records.
Related jobs
Stage - Développement d'une méthode de modélisation des antennes de station de base high efficiency F/H
Orange - BIOT,FRANCE
STAGE - Ingénieur - Data et IA - Simplification d’un modèle de prédiction du coût d’une carte électronique - F/H
Thales - Valence, Drome, France
STAGE - Machine Learning pour désassemblage par Side-Channel F/H
STMicroelectronics - Le Mans, France
STAGE (3-6 mois) - BIM Modeleur H/F/N
OVH - CROIX, FR, 59170