Undergraduate (Year-Round) Intern - Data Science for Autonomous Experimentation

Job expired!

Lieu : Golden, CO

Type de poste : Stage à durée déterminée

Heures par semaine : 10

Le Laboratoire National des Énergies Renouvelables (NREL) est situé au pied des Montagnes Rocheuses à Golden dans le Colorado. NREL est le principal laboratoire national pour la recherche et le développement des technologies d'énergie renouvelable et d'efficacité énergétique.

Dès votre premier jour chez NREL, vous travaillerez aux côtés de collègues engagés dans la même mission : sauver la planète. Rejoignez une organisation qui valorise un environnement de travail solidaire, inclusif et flexible. Engagez-vous avec nos dix groupes de ressources pour les employés, nos nombreux clubs dirigés par les employés et nos diverses classes d'apprentissage et de développement professionnel.

NREL soutient des pratiques de recrutement inclusives, diversifiées et impartiales qui favorisent la créativité et l'innovation. Grâce à une collaboration avec des organisations se concentrant sur des viviers de talents divers et des démographies sous-représentées, nous offrons un processus de candidature et d'entretien inclusif. Notre équipe d'acquisition de talents s'efforce d'entendre toutes les voix de manière égale. Nous visons à attirer une main-d'œuvre très diversifiée et à créer une culture où chaque employé se sent bienvenu, respecté et capable d'être authentiquement lui-même.

Notre planète a besoin de nous ! Découvrez les objectifs critiques de NREL et voyez comment nous nous concentrons sur la sauvegarde de la planète.

NREL recherche un stagiaire en science des données motivé et talentueux pour rejoindre le groupe des sciences analytiques de la microscopie et de l'imagerie. Le candidat idéal devra s'intéresser à l'application de la vision par ordinateur, de l'apprentissage automatique et des compétences en programmation pour analyser et interpréter des données complexes de microscopie électronique. C'est une opportunité passionnante de travailler à l'intersection de la science des matériaux et de la science des données, contribuant à une recherche qui pourrait remodeler notre compréhension des matériaux pour l'énergie propre et l'informatique de nouvelle génération.

  • Développer et mettre en œuvre des algorithmes de vision par ordinateur et d'apprentissage automatique pour analyser les images et vidéos de microscopie électronique pour l'expérimentation autonome.
  • Collaborer avec des chercheurs pour concevoir et mener des expériences afin de recueillir des données pour l'analyse.
  • Participer au développement de pipelines et workflows d'analyse de données.
  • Participer à des réunions à distance hebdomadaires et réaliser des analyses à distance.
  • Contribuer au développement de code sur le dépôt GitHub hébergé par NREL.
  • Présenter et documenter les résultats dans des mises à jour régulières à notre équipe.
  • En cours d'obtention ou récemment diplômé d'un diplôme en science des données, science des matériaux, génie mécanique ou un domaine connexe.
  • Solides compétences en programmation en Python ou un langage similaire.
  • Excellentes compétences analytiques et de résolution de problèmes.
  • Minimum d'une moyenne générale cumulative de 3,0.
  • Étudiant de premier cycle : Doit être inscrit en tant qu'étudiant à temps plein dans un programme de baccalauréat dans une institution accréditée.
  • Post-premier cycle : Avoir obtenu un baccalauréat au cours des 12 derniers mois. Éligible pour une période de stage allant jusqu'à un an.
  • Diplômé : Doit être inscrit en tant qu'étudiant à temps plein dans un programme de maîtrise dans une institution accréditée.
  • Post-diplôme : Avoir obtenu un diplôme de maîtrise au cours des 12 derniers mois. Éligible pour une période de stage allant jusqu'à un an.
  • Diplômé + Doctorat : Avoir complété un diplôme de maîtrise et être inscrit en tant qu'étudiant en doctorat dans une institution accréditée.

Veuillez noter :

  • Les candidats sont responsables de télécharger leurs relevés de notes officiels ou non officiels dans le cadre du processus de candidature