Life is always about becoming… Im Leben geht es darum, sich auf eine Reise zu begeben, um die beste Version unseres zukünftigen Selbst zu werden. Während wir Neues entdecken, stellen wir uns Herausforderungen, meistern sie und wachsen über uns hinaus.
Bewerben Sie sich bei Mercedes-Benz und finden Sie den Aufgabenbereich, in dem Sie Ihre Talente individuell entfalten können. Dabei werden Sie von visionären Kolleginnen und Kollegen unterstützt, die Ihren Pioniergeist teilen. Bei uns einzusteigen bedeutet, Teil eines globalen Teams zu werden, dessen Ziel es ist, die begehrenswertesten Automobile der Welt zu bauen. Together for excellence.
Stellennummer: MER0003GDF
In den Mercedes-Benz Werken entstehen bei der Fahrzeugproduktion große Mengen an Prozess-, Qualitäts- und Sensordaten. Diese Daten können durch Aufbereitung und Analyse zur Prozessoptimierung genutzt werden. In dieser Werkstudententätigkeit sollen auf Basis historischer Daten mögliche Produktionspfade und Durchlaufzeiten mit Methoden aus dem Machine/Deep Learning prognostiziert werden. Hochdimensionale Karosserie- und Prozessinformationen dienen als Eingabeparameter.
Die zentralen Aufgaben sind:
- Unterstützung im Projekt "Manufacturing Reporting System" in den Bereichen Data Mining, Process Mining, Data Analytics und Visualisierung
- Entwicklung von Prototypen zur Vorhersage von Durchlaufzeiten in verschiedenen Produktionsbereichen mit maschinellen Lernmethoden
- Erstellung eines Modells zur Klassifizierung von Karosserieflüssen basierend auf gerichteten Graphen
- Entwicklung eines Algorithmus zur Auswahl von Attributen für das Training und die Vorhersage von maschinellen Lernmodellen
- Erstellung einer automatisierten Datenpipeline in Azure Databricks, inklusive Datenextraktion, -bereinigung, -aufbereitung, Aggregation, Modelltraining und Performanceanalyse
- Performance-Optimierung von Python-Skripten durch parallele und verteilte Verarbeitung mit PySpark
- Erstellung von statistischen Analyseberichten in Power BI unter Verwendung von Abfragen (Kusto) gegen den Azure Data Explorer
Zur Durchführung der Aufgaben werden verschiedene Verfahren (LSTM, Gradient-Boosting XGBoost/CATBoost, GLM, Decision-Trees, Transformer, etc.) angewendet und verglichen. Zur Optimierung der Modelle werden Hyperparameter-Suche und Regularisierung eingesetzt.
- Studiengang im Bereich der Informatik, Mathematik, Wirtschaftsinformatik
- Gute Programmierkenntnisse in objektorientierten Sprachen, idealerweise Python
- Kenntnisse in Methoden und Theorie in Machine Learning und Data Science
- Idealerweise Erfahrung im Bereich Neuronale Netze, Gradient Boosting
- Gute analytische und mathematische Fähigkeiten
Zusätzliche Informationen:
Ganz ohne Formalitäten geht es natürlich auch bei uns nicht. Daher bitten wir Sie, sich ausschließlich online zu bewerben und Ihrer Bewerbung einen Lebenslauf, aktuelle Immatrikulationsbescheinigung mit Angabe des Fachsemesters, aktueller Notenspiegel, relevante Zeugnisse, ggf. Pflichtpraktikumsnachweis und Nachweis über die Regelstudienzeit (max. Gesamtgröße der Anhänge 5 MB) beizufügen sowie im Online-Formular Ihre Bewerbungsunterlagen als "relevant für diese Bewerbung" zu markieren.
Weiterführende Informationen zu den Einstellkriterien finden Sie "hier".
Angehörige von Staaten außerhalb des europäischen Wirtschaftsraums schicken ggf. bitte ihre Aufenthalts-/Arbeitsgenehmigung mit.
Wir freuen uns insbesondere über Onlinebewerbungen schwerbehinderter und ihnen gleichgestellter behinderter Menschen. Bei Fragen können Sie sich unter sbv-sindelfingen@mercedes-benz.com zudem an die Schwerbehindertenvertretung des Standorts wenden, die Sie gerne nach Ihrer Bewerbung im weiteren Bewerbungsprozess unterstützt.
Bitte haben Sie Verständnis dafür, dass wir keine Papierbewerbungen mehr entgegennehmen und es keinen Anspruch auf Rückversand gibt.
Fragen zum Bewerbungsprozess beantwortet Ihnen gerne HR Services per Mail an myhrservice@mercedes-benz.com oder per Telefon: 0711/17-99000 (Montag bis Freitag zwischen 10-12 Uhr und 13-15 Uhr).
- Essenszulagen
- Mitarbeiterhandy möglich
- Mitarbeiterrabatte möglich
- Mitarbeiterbeteiligung möglich
- Mitarbeiter Events
- Coaching
- Flexible Arbeitszeit möglich
- Hybrides Arbeiten möglich
- Gesundheitsmaßnahmen
- Betriebliche Altersversorgung
- Mobilitätsangebote
- Barrierefreiheit
- Gute Anbindung
- Parkplatz
- Kinderbetreuung
- Betriebsarzt
- Kantine, Café
GIMED1_DE
