Maschinenbau, Materialwissenschaften oder Ähnliches) Sie verfügen bestenfalls (kein Muss) über Vorkenntnisse im Bereich Prüfverfahren und Natufasern bzw. haben Interesse, sich Kenntnisse in diesen Themenbereichen aufzubauen Sie sind interessiert an Fragestellungen faserbasierter Werkstoffe und textiler Verarbeitungsprozesse Sie haben keine Berührungsängste mit Maschinen und Werkstoffen und haben Spaß am Lösen von Problemen Handwerkliches Geschick ist von Vorteil Ihre Aufgaben Sie unterstützen uns bei der Planung und Durchführung von Versuchen Sie führen Recherchen aus und unterstützen bei Ausarbeitung von Themen Sie unterstützen bei der Aufbereitung von Forschungsdaten Sie erstellen geeignete Abbildungen zur Visualisierung der Ergebnisse Bei Interesse können auch andere Tätigkeiten des Forschungsumfeldes in die Arbeitsaufgaben integriert werden Interessierte Bewerber*innen bitten wir vorzugsweise um eine elektronische Bewerbung per E-Mail mit Anschreiben, Lebenslauf und Notenspiegel an den angegebenen Ansprechpartner.
Ihr Profil Der Lehrstuhl für Maschinelles Lernen auf Graphen sucht eine*n hochmotivierte*n Student*in mit guten Kenntnissen im maschinellen Lernen und einem ausgeprägten Interesse an der aktiven Weiterentwicklung einer State-of-the-Art Python Bibliothek für die angewandte Forschung im Bereich maschinelles Lernen auf Graphen.
Python, C++, ...) sowie Erfahrung mit Datenanalyse und Machine Learning (PyTorch etc.) Interesse und Kenntnisse in numerischer Simulation (CFD, FEM) und Optimierung (Surrogate Optimierung, Genetic Algorithm, etc.) Selbstständige, strukturierte und lösungsorientierte Arbeitsweise mit Motivation, sich in neue Themenfelder einzuarbeiten Sehr gute Deutschkenntnisse in Wort und Schrift Gute Englischkenntnisse in Wort und Schrift Ihre Aufgaben Unterstützung bei der Entwicklung und Erweiterung von ML-Workflows und Frameworks im Bereich Physics AI im Bereich von CFD oder FEM-Daten Unterstützung bei der Implementierung, dem Testen und der Dokumentation von Modellbausteinen und Trainingspipelines Konfiguration und Durchführung von Trainingsläufen inklusive Auswertung und Visualisierung der Ergebnisse Nutzung von Rechenressourcen, z.B.
Wir bieten Ihnen ein modernes, angenehmes Arbeitsumfeld und ein leistungsbezogenes Vergütungspaket in einem Unternehmen mit zukunftsfähigen Produkten. Interesse? Dann senden Sie uns Ihre vollständigen Bewerbungsunterlagen unter Angabe Ihrer Gehaltsvorstellungen und des möglichen Eintrittsdatums.
Python, C++, ...) sowie Erfahrung mit Datenanalyse und Machine Learning (PyTorch etc.) Interesse und Kenntnisse in numerischer Simulation (CFD, FEM) und Optimierung (Surrogate Optimierung, Genetic Algorithm, etc.) Selbstständige, strukturierte und lösungsorientierte Arbeitsweise mit Motivation, sich in neue Themenfelder einzuarbeiten Sehr gute Deutschkenntnisse in Wort und Schrift Gute Englischkenntnisse in Wort und Schrift Ihre Aufgaben Unterstützung bei der Entwicklung und Erweiterung von ML-Workflows und Frameworks im Bereich Physics AI im Bereich von CFD oder FEM-Daten Unterstützung bei der Implementierung, dem Testen und der Dokumentation von Modellbausteinen und Trainingspipelines Konfiguration und Durchführung von Trainingsläufen inklusive Auswertung und Visualisierung der Ergebnisse Nutzung von Rechenressourcen, z.B.
Ihr Profil Der Lehrstuhl für Maschinelles Lernen auf Graphen sucht eine*n hochmotivierte*n Student*in mit guten Kenntnissen im maschinellen Lernen und einem ausgeprägten Interesse an der aktiven Weiterentwicklung einer State-of-the-Art Python Bibliothek für die angewandte Forschung im Bereich maschinelles Lernen auf Graphen.
Technologische Themen schrecken Sie nicht ab, sondern wecken Ihr Interesse: Begriffe wie NLP, Machine Learning, RPA oder Conversational AI sind Ihnen vertraut und Sie verstehen es, deren Nutzen für Kunden greifbar zu machen.
Ihr Profil Der Lehrstuhl für Maschinelles Lernen auf Graphen sucht eine/n hochmotivierte/n Student/in mit fundierten Kenntnissen im maschinellen Lernen und einem ausgeprägten Interesse eine State-of-the-Art Python Bibliothek für angewandte Forschung im Bereich maschinelles Lernen auf Graphen aktiv weiterzuentwickeln.
Large Language Models und GenAI Agents) Grundkenntnisse über Semantic Web, Knowledge Graphs, Graph Data Science, Data Mesh und Data Products von Vorteil Interesse an IT-Themen im Banken-/Finanzwesen, wie z.B. IT-Security, Open Banking, Cloud-Services... Teamfähigkeit und selbstständige sowie agile Arbeitsweise Hands-on-Mentalität und Spaß dabei, Ideen einzubringen und zu verwirklichen Deutsch fließend in Wort und Schrift (C1), gute Englischkenntnisse (B2) Innovatives, modernes und anspruchsvolles Arbeitsumfeld mit flachen Hierarchien und der Möglichkeit dich mit deinen eigenen Stärken individuell einzubringen Langfristige berufliche Perspektiven Attraktive Entlohnung Flexible Arbeitszeiten und Home-Office Modernes Arbeitsumfeld, in dem wir auch auf deine Gesundheit achten, z.
Technologische Themen schrecken Sie nicht ab, sondern wecken Ihr Interesse: Begriffe wie NLP, Machine Learning, RPA oder Conversational AI sind Ihnen vertraut und Sie verstehen es, deren Nutzen für Kunden greifbar zu machen.
Ihr Profil Der Lehrstuhl für Maschinelles Lernen auf Graphen sucht eine/n hochmotivierte/n Student/in mit fundierten Kenntnissen im maschinellen Lernen und einem ausgeprägten Interesse eine State-of-the-Art Python Bibliothek für angewandte Forschung im Bereich maschinelles Lernen auf Graphen aktiv weiterzuentwickeln.
Sie verfügen über Grundkenntnisse in der Pulvermetallurgie, insbesondere im Bereich Sinterprozesse; Kenntnisse zu HIP, FAST/SPS sind von Vorteil. Sie haben Interesse oder Erfahrung im Bereich der numerischen Simulation von Werkstoffen und Prozessen; Kenntnisse in ABAQUS und/oder COMSOL Multiphysics sind ausdrücklich erwünscht.
Weitere Benefits wie Angebote zur Gesundheitsförderung, Zuschüsse zum Jobticket, kostenlose Parkplätze und Personaleinkauf. Interesse geweckt? Wir freuen uns auf neue Teamkolleg:innen. Senden Sie uns Ihre aussagekräftigen Bewerbungsunterlagen über unser Bewerbungsportal.
Sie verfügen über Grundkenntnisse in der Pulvermetallurgie, insbesondere im Bereich Sinterprozesse; Kenntnisse zu HIP, FAST/SPS sind von Vorteil. Sie haben Interesse oder Erfahrung im Bereich der numerischen Simulation von Werkstoffen und Prozessen; Kenntnisse in ABAQUS und/oder COMSOL Multiphysics sind ausdrücklich erwünscht.