Praktikum im Bereich Machine Learning fur pradiktive Zuverlassigkeitsanalytik - Warmepumpen (w/m/div.)
Unternehmensbeschreibung
Stellenbeschreibung
Wir suchen eine engagierte Praktikantin bzw. einen engagierten Praktikanten, um die Weiterentwicklung unserer Machine-Learning-Losungen zur Zuverlassigkeit von Warmepumpen zu unterstutzen. Sie bauen auf den bereits gestarteten Arbeiten auf, verbessern unsere bestehenden Modelle und prufen, wie sich diese Ansatze auf weitere Zuverlassigkeits-Anwendungsfalle ubertragen lassen. Der Groteil Ihrer Arbeit findet in Databricks statt.
Wahrend Ihres Praktikums tragen Sie zur Uberprufung und Weiterentwicklung bestehender Ansatze zur Datenaufbereitung und zum Feature Engineering bei. Sie unterstutzen die Optimierung und Evaluation vorhandener Machine-Learning-Modelle. Daruber hinaus untersuchen Sie potenzielle neue Features sowie fruhe Risikoindikatoren in Feld- und IoT-Daten. Sie entwickeln auerdem reproduzierbare ML-Workflows in Databricks unter Einsatz von MLflow. Des Weiteren passen Sie bestehende Ansatze fur zusatzliche Produktprobleme und weitere zuverlassigkeitsbezogene Use Cases an und bewerten diese. Zudem erkunden Sie den Einsatz von Generativer KI, um Modellergebnisse und wesentliche Risikotreiber in pragnante und gut verstandliche Berichte fur Ingenieurinnen und Ingenieure zu uberfuhren. Abschlieend kommunizieren Sie Ihre Erkenntnisse mittels Datenvisualisierungen, kurzer Prasentationen und technischer Dokumentation.
Qualifikationen
- Ausbildung: Masterstudium im Bereich Data Science, Kunstliche Intelligenz, Informatik, Informationssysteme, Ingenieurwesen oder in einem vergleichbaren quantitativen bzw. technischen Fachgebiet
- Erfahrung und Kenntnisse: Praktische Kenntnisse in Machine Learning, Modellevaluierung, Feature Engineering und Datenvorverarbeitung; sehr gute Python-Kenntnisse; Erfahrung mit Databricks, MLflow, PySpark oder Anwendungen im Bereich Generative AI ist von Vorteil
- Personlichkeit und Arbeitsweise: Sie zeichnen sich dadurch aus, Aufgaben eigenstandig voranzutreiben, Ihre Arbeitsablaufe systematisch zu organisieren und technische Ergebnisse sehr klar zu kommunizieren
- Arbeitsmodell: Wir bieten Ihnen die Moglichkeit, in einem hybriden Arbeitsmodell zu arbeiten, mit regelmaiger Prasenz in Wernau
- Interesse: Interesse daran, Machine Learning auf reale Produkte und IoT-Daten anzuwenden
- Sprachen: Sehr gute Englischkenntnisse