Stellenbezeichnung
Studentische Hilfskraft (w/m/d) - Anomalie Erkennung und Datenauswertung mit Machine Learning Verfahren
Beschreibung

Die KENBUN IT AG bringt State-of-the-Art KI-Technologien zur Produktreife und macht ihre Kunden fit für die digitale Transformation. Dazu setzen wir auf Voice Technologie, wie z.B. unser natürlichsprachliches Assistenzsystem KIDOU und auf zukunftssichere Big Data Lösungen, wie unsere hochskalierbare KI-und Big Data-Plattform KIDAN. Neben der Produktentwicklung ist KENBUN auch in der Forschung aktiv.

Im Kontext des BMWi geförderten Forschungsprojektes FabOS (https://www.fab-os.org/) suchen wir eine Studentische Hilfskraft. Das FabOS Konsortium entwickelt ein offenes, verteiltes, echtzeitfähiges und sicheres Betriebssystem für die Produktion. KENBUN beschäftigt sich in FabOS unter anderem mit Anomalie Erkennung in verschiedenen Anwendungsfällen.

Zuständigkeiten / Hauptaufgaben

Deine Aufgaben:
• Unterstützung bei der Datenerfassung und Auswertung
• Vergleich verschiedener ML-Ansätze
• Evaluation von Sensoren zur Anomalie Erkennung

Qualifikationen / Anforderungen

Du bringst mit:
• MINT Studium oder Vergleichbares
• Sehr gute Kenntnisse in Python
• Erfahrung in Softwareentwicklung
• Vorkenntnisse in Machine Learning (scikit-learn, Tensorflow)
• Idealerweise Vorkenntnisse in Signalverarbeitung

Leistungen der Anstellung

Unter anderem bieten wir Dir:
• Flexibler HiWi Vertrag mit bis zu 40h pro Monat
• Mitarbeit an Grundlagenforschung zu Anomalie Erkennung
• Unterstützung bei der Entfaltung Deines Potenzials durch individuelle Förderung
• Kompetente, individuelle Betreuung durch unser wissenschaftliches Team
• Exzellente Arbeitsatmosphäre in einem hochmotivierten Team mit Top Arbeits- und Büroausstattung
• Flexible Arbeitszeiten und Homeoffice Regelung
• Kostenlose Getränke, Süßigkeiten und Obst im Office

Arbeitspensum
Arbeitsort
Veröffentlichungsdatum
11. November 2020
Close modal window

Anstellung: Studentische Hilfskraft (w/m/d) - Anomalie Erkennung und Datenauswertung mit Machine Learning Verfahren

Thank you for submitting your application. We will contact you shortly!