Wissenschaftliche Ausrichtung und Methodik
Im Zentrum dieser Forschungsarbeit steht die Analyse von Daten im Produktlebenszyklus, um Erkenntnisse für zukünftige Entwicklungen zu gewinnen.
">
* Datenaufbereitung und -analyse von Kundenbeschwerden zur Gewährleistung der Sicherheit lebenserhaltender Medizinprodukte werden durchgeführt
* Textklassifikation einschließlich Clustering mit unüberwachtem Lernen und Anomalieerkennung in unbekannten Daten wird erforscht
* Oberflächeninformationen aus n-Gramm-Random-Forest-Modellen werden optimiert und mit Transformatormodellen verglichen
* Faktoren identifiziert, die potenziell eine Ursache für den Ausfall unterschiedlicher Produkte darstellen könnten
* Validierung der gefundenen Analyse- und Klassifikationsergebnisse erfolgt
* Strategieentwicklung zur Informationsübermittlung an Stakeholder im Entwicklungsprozess (Lessons Learned)
Berufliche Qualifikationen
* Studierender mit dem Masterabschluss in Informatik, Ingenieurwissenschaften oder einem ähnlichen Studiengang
* Fundierte Kenntnisse im Bereich Machine-Learning, speziell in Textklassifikation und Sprachverarbeitung (NLP)
* Ideealerweise Erfahrungen in der Aufbereitung, Visualisierung und Analyse von Daten
* Kenntnisse in der Optimierung, Bewertung und dem Vergleich von Machine-Learning-Modellen
* Erfahrung in Entwicklung im medizinischen Umfeld wünschenswert
* Sicher im Umgang mit klassischen MS-Office-Anwendungen sowie Power BI
Vorteile
* Unterstützung durch einen erfahrenen Mentor
* Hochwertige Produkte im lebensrettenden Umfeld
* Einblicke in den Alltag eines Unternehmens der Medizintechnik
* Karrierechancen in einem namhaften Unternehmen
Maschinenlernen