Früher wollte ich neue Wege entdecken. Heute bin ich Forscherin beim DLR

Bookmark
Studentische Tätigkeit, Praktikum

Maschinelles Lernen in numerischer Mechanik

Beginn

ab sofort

Dauer

3 bis 6 Monate

Vergütung

Praktikantenvergütung nach DLR-Richtlinien

Beschäftigungsgrad

Vollzeit

"Spitzenforschung braucht auf allen Ebenen exzellente Köpfe - besonders noch mehr weibliche! Starten Sie bei uns, wir freuen uns auf Ihre Bewerbung" Ihre Prof. Dr. Pascale Ehrenfreund - Vorsitzende des Vorstands

Seit Beginn des laufenden Jahrhunderts hat sich die datengetriebene Wissenschaft als eigenständige Methodik in der Liste der Forschungsparadigmen nach experimentellen, theoretischen und computational Wissenschaften herausgestellt. Andererseits werden Maschinen aufgrund des enormen Erfolgs verschiedener Lernalgorithmen und der Verfügbarkeit relevanter historischer Daten immer leistungsfähiger. In den letzten Jahren ist der Einsatz von maschinellem Lernen und datengetriebenen Techniken zu einem integralen Bestandteil fortschrittlicher wissenschaftlicher und ingenieurwissenschaftlicher Probleme geworden. In diesem Zusammenhang wurde die ANN-Familie (ANN- Artificial Neural Network) ausgiebig genutzt, um viele praktische Probleme zu lösen, einschließlich Regression, Klassifizierung, Clustering und Sequenzmodellierung usw.

Mit modernsten ML-Algorithmen ist das DLR-Institut für Test und Simulation für Gasturbinen in Augsburg sehr engagiert, um die beste Leistung beim Ersatz vieler traditioneller Methoden der experimentellen und numerischen Mechanik zu erreichen. Wenn Sie in einem relevanten Bereich studieren und sich auf die Arbeit mit einem herausfordernden Thema freuen, das das Mechanik und maschinelles Lernen integriert, ermutigen wir Sie sehr, sich zu bewerben. Wir haben mehrere Praktikums-/Masterarbeiten für verschiedene KI-Projekte zu besetzen. Nachfolgend finden Sie einige unserer aktuellen Themen, die wir näher erforschen möchten:

Thema-1: Convolutional and generative approaches in 2D to 3D reconstruction of materials microstructure

Thema-2: Deep learning based metamodeling in FE2/FE3

Thema-3: Replacing mesh morphing algorithm by deep learning based metamodeling

Thema-4: Benchmarking deep Gaussian covariance network (DGCN) with an inverse problem

Sie werden Teil eines hoch innovativen Teams sein, das aus vielen Experten aus den Bereichen Datenwissenschaftler, ML-Ingenieur, Softwaretechnik, Modellierung/Simulation und experimentelle Untersuchung besteht. Sie werden also zahlreiche Gelegenheiten haben, viele neue Dinge zu lernen. Ihre Aufgaben im Zusammenhang mit den oben genannten Themen sind:

  • Detailverständnis des Themas und Explorieren von entsprechend geeigneten ML-Algorithmen 
  • Generierung von Trainingsdaten und Berücksichtigung der statistischen Signifikanz (adaptives Design) bei der Datengenerierung
  • Überprüfung und Benchmarking DGCN, falls erforderlich
  • Entwicklung eines ML-basierten Modells (Regression/Klassifizierung/Clustering), Training, Test und Validierung
  • Anwendung eines geeigneten ML-Algorithmus für Entwurfsoptimierungsprobleme (Thema-3)
  • Bericht schreiben und veröffentlichen (falls interessiert)

Ihre Qualifikation:

  • laufendes Studium auf dem Gebiet der Maschinenbau, Luft- und Raumfahrttechnik, Computational Engineering, Computational Mechanics, Computational Materials Science, Mathematik, Physik, Informatik oder ähnliches
  • allgemeines Verständnis der experimentellen/computational, mikro- und mehrskalen Mechanik
  • grundlegendes Verständnis des maschinellen Lernens / Deep Learning, entsprechender Algorithmen und ihrer Anwendungen in der Regression / Klassifikation / Clustering etc. Erfahrung im maschinellen Lernen ist von großem Vorteil
  • Erfahrung in einem oder mehreren Bereichen aus FEM, FE2, FE3, 3D-Rekonstruktion, Mesh-Morphing usw. ist ein starkes Plus.
  • hohe Motivation und schnelle Lernfähigkeit zur Anwendung der neuesten Techniken der Statistik, Datenwissenschaft und des maschinellen Lernens (z.B. Gauß-Prozess, neuronales Netz, adaptive Versuchsplanung usw.)
  • gute Programmierkenntnisse in Python, Erfahrung in einem oder mehreren ML- und DL-Tools, z.B. TensorFlow / Keras, Pytorch, Scikit-Learn sind hoch abschätzbar
  • Erfahrung mit Datenanalyse- und Visualisierungstools (Pandas, Matplotlib, etc.) ist von Vorteil
  • sehr gute Englischkenntnisse in Wort und Schrift, gute Deutschkenntnisse sind von Vorteil
  • Freude an der Arbeit in einem wissenschaftlichen Umfeld

Ihr Start:

Freuen Sie sich auf einen Arbeitgeber, der Ihr Engagement zu schätzen weiß und Ihre Entwicklung durch vielfältige Qualifizierungs- und Weiterbildungsmöglichkeiten fördert. Unser einzigartiges Arbeitsumfeld bietet Ihnen Gestaltungsfreiräume und eine unvergleichbare Infrastruktur, in der Sie Ihre Mission verwirklichen können. Vereinbarkeit von Privatleben, Familie und Beruf sowie Chancengleichheit von Personen aller Geschlechter (m/w/d) sind wichtiger Bestandteil unserer Personalpolitik. Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung.

  • Jetzt online bewerben
  • Sie können sich diese Stellenanzeige per E-Mail zusenden und Ihre Bewerbung am stationären Computer oder Laptop erstellen.

    Wir benötigen Ihre digitalen Bewerbungsunterlagen (PDF). Die Übermittlung wird von einigen Mobilgeräten nicht standardmäßig unterstützt. Bitte erstellen Sie Ihre Bewerbung an einem PC/Laptop.

    Bewerbung am PC erstellen

Fachliche/r Ansprechpartner/in

Helal Chowdhury
Institut für Test und Simulation für Gasturbinen

Tel.: +49 821 319874-2104

Nachricht senden

Kennziffer 49210

Personalbetreuung Oberpfaffenhofen

Nachricht senden

DLR-Standort Augsburg

zum Standort

DLR-Institut für Test und Simulation für Gasturbinen

zum Institut