Master Thesis Data Science and MLOps for Industrial Process Automation (m/f/d)

WAS DICH ERWARTET

• Du wirst an einem spannenden Masterarbeitsprojekt im Bereich MLOps und Data Science für die industrielle Prozessautomatisierung arbeiten.
• Forschung zu MLOps-Praktiken und deren Anwendung in der industriellen Prozessautomatisierung.
• Benchmarking verschiedener MLOps-Frameworks (z.B. Airflow, Metaflow, Dagster, Databricks, Kedro, MLFlow, Comet ML, Weights & Biases, Delta Lake) zur Identifizierung der Vor- und Nachteile jedes Frameworks anhand eines Beispieldatensatzes.
• Entwicklung der effizientesten und geeignetsten MLOps-Pipelines zur Überwachung und Bereitstellung datengetriebener Modelle.
• Schreiben von Unit- und Integrationstests für jede Methode in der Pipeline sowie Erstellung von Dokumentationen in Sphinx.
• Implementierung von Daten- und Modellversionierung sowie Modellüberwachung.
• Bewertung und Optimierung von Modellbereitstellungsstrategien für CPU- und GPU-Umgebungen.

WAS DU MITBRINGST

• Fortgeschrittenes Masterstudium in Data Science, Informatik, Ingenieurwesen, Physik oder einem verwandten Bereich.
• Starke Kenntnisse in Python-Programmierung (z.B. PyTorch, Numpy) sowie gutes Verständnis der MLOps-Grundlagen.
• Gute Programmierkenntnisse im Schreiben von Unit- und Integrationstests mit pytest.
• Vertrautheit mit Containerisierungs- und Orchestrierungstools wie Docker mit CI/CD-Automatisierung ist von Vorteil.
• Erfahrung mit der Bereitstellung von Modellen in CPU- und GPU-Umgebungen ist von Vorteil.
• Starke Kommunikationsfähigkeiten in Englisch.
• Ausgezeichnete Problemlösungsfähigkeiten und Detailgenauigkeit.
• Fähigkeit, sowohl unabhängig als auch im Team zu arbeiten.

WAS WIR BIETEN

• Praktische Phase - Theorie in herausfordernden und abwechslungsreichen Aufgaben/Projekten aktiv anwenden.
• Teambuddy - Ansprechpartner für alle Fragen und regelmäßiges Feedback.
• Netzwerke - verschiedene Perspektiven, Denkweisen und Arbeitsfelder kennenlernen.
• Praktikumsvergütung - Anerkennung des Engagements.
• Flexible Arbeitszeiten - je nach Standort und Arbeitsbereich.