TKMS ATLAS ELEKTRONIK GmbH | Bremen
Die Identifikation unterperformanter Szenarien erfolgt durch die Analyse abstrakter Feature-Repräsentationen mittels Autoencoder und Clustering. Eine systematische Evaluation der Algorithmenleistung wird durch eigens entwickelte Metriken und Bewertungsstrategien gewährleistet. Angesichts eines laufenden technischen Studiums in Informatik, Data Science oder verwandten Bereichen sind Grundkenntnisse in maschinellem Lernen und Deep Learning vorteilhaft. Die Mitarbeit an Softwareoptimierungen und die Untersuchung von Anomaly-Detection-Ansätzen erweitern die Failure Case Analysis. Programmierkenntnisse in Python und Erfahrungen mit Frameworks wie PyTorch oder Scikit-learn sind ebenfalls willkommen. Eine selbständige, systematische Arbeitsweise und Kommunikationsfähigkeit zeichnen den idealen Kandidaten aus. ‒
Familienfreundlich | Flexible Arbeitszeiten | Homeoffice | Betriebliche Altersvorsorge | Jobticket – ÖPNV | Gutes Betriebsklima | Vollzeit | + weitere Benefits
mehr erfahren
Heute veröffentlicht
