Karriere am WZL

 

als studentische Hilfskraft

am Forschungsbereich Fertigungsmesstechnik und Qualitätsmanagement, Abteilung Model-based Systems, Gruppe Risk-based Process Control
 

Data Science in der Produktion: Machine Learning, Neuronale Netze, Big Data

Ausgangssituation
Bei der Produktion auf modernen Fertigungsanlagen fallen Prozessdaten an: In einem mittelständischen Unternehmen mehr als 1 TB pro Tag. Die Auswertung dieser Datenmengen ist eine große Herausforderung gerade für kleine und mittlere Unter-nehmen. Jedoch lassen sich aus diesen Daten Prozess- und Qualitätsmodelle mittels Machine Learning Verfahren erstellen. Diese Modelle können in den Unternehmen Kosten senken und die Produktivität erhöhen.
Für die Analyse dieser großen Datenmengen bedarf es hocheffizienter Algorithmen, die verteilte Systeme nutzen: sowohl die Cloud als auch Edge-Server.
In der Gruppe Risk-Based Process Control am Werkzeugmaschinenlabor (WZL) wird erforscht wie sich Wissen aus Produktionsdaten extrahieren lässt.

 
Themenumfeld
Data Science, Machine Learning, Artificial Intelligence, Big Data, Tensorflow, Python

Deine Aufgaben
  • Übernahme von Teilprojekten
  • Implementierung von Machine Learning Algorithmen
  • Konzeptentwicklung für die Umsetzung in der Industrie


Unser Angebot
  • Eigenverantwortliche Arbeitsauf-gaben
  • Mitarbeit in spannenden Indust-rie- und Forschungsprojekten
  • Flexible Arbeitszeiten
  • Einarbeitung in Methoden aus dem Bereich Data Science und verwandten Feldern


Hast du Interesse?
Über Deine Bewerbung freuen wir uns! Sende bitte ein kurzes! Anschreiben, deinen Lebenslauf und eine Notenübersicht als PDF an den unten aufgeführten Ansprechpartner. Wenn du nicht alle Voraussetzungen erfüllst, stelle bitte in deinem An-schreiben heraus in welchem Bereich deine Stärken liegen. Bei Rückfragen stehen wir Dir gerne zur Verfügung
 
Voraussetzungen:
  • Studium des Ingenieurwesens oder im Bereich Informatik, Mathematik, CES, etc.
  • Programmierkenntnisse in einer Hochsprache (z.B. C++, Python)
  • Machine Learning Kenntnisse (z.B. Algorithmen oder Software)
  • Motivation, Eigeninitiative
  • Lern- und Einsatzbereitschaft
  • Sehr gute/ gute Deutsch- und Englischkenntnisse in Wort und Schrift

Arbeitszeit: 9,00 Wochenstunden

Ansprechpartner(in):
Simon Cramer
 
Cluster Produktionstechnik 3A 138
Tel.: +49 241 80-28394
Fax: +49 241 80-22193
Mail: S.Cramer@wzl.rwth-aachen.de