Praktikum im Bereich Machine Learning für prädiktive Zuverlässigkeitsanalytik – Wärmepumpen (w/m/div.)
Wir suchen eine engagierte Praktikantin bzw. einen engagierten Praktikanten, um die Weiterentwicklung unserer Machine-Learning-Lösungen zur Zuverlässigkeit von Wärmepumpen zu unterstützen. Sie bauen auf den bereits gestarteten Arbeiten auf, verbessern unsere bestehenden Modelle und prüfen, wie sich diese Ansätze auf weitere Zuverlässigkeits-Anwendungsfälle übertragen lassen. Der Großteil Ihrer Arbeit findet in Databricks statt.
Während Ihres Praktikums tragen Sie zur Überprüfung und Weiterentwicklung bestehender Ansätze zur Datenaufbereitung und zum Feature Engineering bei. Sie unterstützen die Optimierung und Evaluation vorhandener Machine-Learning-Modelle. Darüber hinaus untersuchen Sie potenzielle neue Features sowie frühe Risikoindikatoren in Feld- und IoT-Daten. Sie entwickeln außerdem reproduzierbare ML-Workflows in Databricks unter Einsatz von MLflow. Des Weiteren passen Sie bestehende Ansätze für zusätzliche Produktprobleme und weitere zuverlässigkeitsbezogene Use Cases an und bewerten diese. Zudem erkunden Sie den Einsatz von Generativer KI, um Modellergebnisse und wesentliche Risikotreiber in prägnante und gut verständliche Berichte für Ingenieurinnen und Ingenieure zu überführen. Abschließend kommunizieren Sie Ihre Erkenntnisse mittels Datenvisualisierungen, kurzer Präsentationen und technischer Dokumentation.
- Ausbildung: Masterstudium im Bereich Data Science, Künstliche 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
- Persönlichkeit und Arbeitsweise: Sie zeichnen sich dadurch aus, Aufgaben eigenständig voranzutreiben, Ihre Arbeitsabläufe systematisch zu organisieren und technische Ergebnisse sehr klar zu kommunizieren
- Arbeitsmodell: Wir bieten Ihnen die Möglichkeit, in einem hybriden Arbeitsmodell zu arbeiten, mit regelmäßiger Präsenz in Wernau
- Interesse: Interesse daran, Machine Learning auf reale Produkte und IoT-Daten anzuwenden
- Sprachen: Sehr gute Englischkenntnisse