- Recherchen zu state-of-the-art ML-Methoden für die Anwendung auf Signal-/ Zeitreihendaten
- Unterstützung bei der Konzeptionierung eines Hardware-Demonstrators
- Datengenerierung und Datenlabeling für ML-Modelle
- Konzeptionierung, Implementierung, Training und Vergleich von ML-Modellen und ML-Pipelines
- Edge Computing mit RaspberryPI und/ oder NVIDIA Jetson Orin Nano
- Softwareentwicklung/ Programmierung mit Python
- Dokumentation und Präsentation der Vorgehensweise und der Ergebnisse
- Eigenverantwortliches und selbstständiges Arbeiten
- Gute Kenntnisse in Softwareentwicklung, Python und Machine Learning Verfahren
- Kenntnisse in Daten- und Signalanalyse wünschenswert
- Laufendes Studium der Fachrichtung Informatik, Mathematik, Maschinenbau oder vergleichbar
- Ein offenes und kreatives Umfeld
- Verantwortungsvolle Aufgaben, mit denen Du Deine Kompetenzen ausbauen kannst
- Einen Einstieg in eine wissenschaftliche Karriere
- Betriebliche Gesundheitsförderungsmaßnahmen sowie Sportangebote
- Fraunhofer-Benefits: Bei Fraunhofer erhältst Du monatlich wechselnde Einkaufsvergünstigungen
Studentische Hilfskraft zur Anwendung von Machine Learning in der Systemsimulation - Darmstadt, Deutschland - Fraunhofer-Gesellschaft
Beschreibung
Das Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF in Darmstadt arbeitet mit Industrie und Forschung auf nationaler und internationaler Ebene an führender Stelle. Die Forschungsaufgaben des Instituts orientieren sich an konkreten Fragestellungen im Bereich der Betriebsfestigkeit, Systemzuverlässigkeit, Adaptronik und Kunststoffe.
Die Abteilung " Baugruppen und Systeme " bearbeitet im Geschäftsfeld Betriebsfestigkeitsmethoden und Lebensdauerbewertung Projekte mit den Schwerpunkten Systemanalyse und rechnerischer sowie experimenteller Betriebslastensimulation. Die Kunden stammen vorwiegend aus den Branchen Fahrzeugtechnik, Maschinenbau, Anlagenbau und Luftfahrt. In den Projekten werden numerische und experimentelle Verfahren gleichwertig zueinander und im Hinblick auf die Entwicklung von wertschöpfungs- und erkenntnisorientierten Digitalisierungskomponenten genutzt. Etablierte Schwerpunkte hierfür sind die Modellierung von digitalen Systemzwillingen zur Optimierung von Erprobungsszenarien sowie die Betriebslastensimulation komplexer Systeme zur Betriebsfestigkeits- und Zuverlässigkeitsanalyse.
Ab sofort sucht die Abteilung " Baugruppen und Systeme ", für den Standort Darmstadt-Kranichstein, eine studentische Hilfskraft zur Anwendung von Machine Learning in der Systemsimulation .
Was Du bei uns tust
Die Tätigkeit ist Teil einer Reihe von Projekten in der Abteilung, die sich mit der Nutzung von Verfahren des Maschinellen Lernens zur Detektion von Veränderungen an Bauteilen und Prüfständen befasst. In Vorarbeiten wurden bereits verschiedene Machine Learning Pipelines implementiert, u.a. um Signaldaten aus Fahrzeugmessungen zu analysieren. Zur Demonstration der prinzipiellen Vorgehensweise von der Konzeption bis zur Implementierung und Nutzung einer ML-Pipeline soll ein Hardware-Demonstrator entstehen, der verschiedene Sensorsignale (Beschleunigungen, Kräfte) erfasst und mittels ML-Modell analysiert.
Was Du mitbringst
Was Du erwarten kannst
Die monatliche Arbeitszeit beträgt 40-60 Stunden.Die Stelle ist zunächst auf 6 Monate befristet, eine Verlängerung ist angestrebt
Die Vergütung richtet sich nach der Gesamtbetriebsvereinbarung zur Beschäftigung der Hilfskräfte
Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft
Haben wir Dein Interesse geweckt?