Der Bewerbungszeitraum für diesen Job ist jetzt vorbei
In Kürze beendet
Die thyssenkrupp Materials Processing Europe GmbH gehört zum Segment Materials Services. An unseren Standorten von Portugal bis Ungarn beschäftigen wir rund 1.000 Mitarbeitende werde Teil unseres Teams! Nachhaltiges Handeln ist unverzichtbar, um auch zukünftigen Generationen ein lebenswertes Morgen zu ermöglichen. Die MPE-Gruppe ist ein hochspezialisierter Anarbeitungsbetrieb für die Verarbeitung von Carbonstahl, Edelstahl und Aluminium. Als Supply-Chain Spezialist sorgen wir für reibungslose Lieferketten für unsere Kunden in den Branchen Automobil, Bau, erneuerbare Energien und viele weitere Schlüsselindustrien.
Aufgaben
- Du unterstützt bei der Sammlung, Vorverarbeitung und Analyse von Daten zur Entwicklung von Machine Learning Modellen
- Hierbei implementierst und experimentierst du mit verschiedenen Algorithmen und Techniken des Machine Learning
- Du wirkst mit bei der Entwicklung von Projekten im Bereich des maschinellen Lernens, einschließlich Nachfrageprognosen (Demand forecasting), Empfehlungssystemen und andere relevante Anwendungen
- Die Überwachung und Wartung der eingesetzten Machine Learning Modelle, einschließlich Leistungsüberwachung, Modellumschulung und Fehlerbehebung gehört ebenfalls zu deinen Aufgaben
Profil
- Du befindest dich im Master-Studium in den Bereichen Machine Learning, Data Science, Informatik, Statistik oder verwandten Bereichen
- Du konntest bereits erste praktische Erfahrungen im Bereich Data Analytics sammeln
- Du verfügst über gute Kenntnisse in mindestens einer Programmiersprache, idealerweise Python, und GIT
- Du bringst ein gutes theoretisches Verständnis und praktische Fähigkeiten in statistischen und machine-Lerntechniken, einschließlich Bibliotheken für Machine Learning und Deep Learning sowie Cloud-Computing-Plattformen wie Microsoft Azure mit
- Sehr gute Kommunikationsfähigkeiten in Deutsch (mind. B2-C1) und Englisch (mind. B2) runden dein Profil ab
Das bieten wir
- Flexible Arbeitszeiten und mobiles Arbeiten zur optimalen Vereinbarkeit von Studium und Job
- Regelmäßige Feedbackgespräche
- Eine steile Lernkurve durch Themenvielfalt und herausfordernde Tätigkeiten in einem engagierten und aufgeschlossenen Team
- Die Arbeitszeit von 20 Stunden pro Woche kann nach Abstimmung individuell gestaltet werden (beispielsweise in Klausurphasen)
