Abschlussarbeit: Machine Learning - Automatische Resonanzerkennung in der Schwingungsmessung mi[...]

MTU Aero Engines AG; München; Vor Ort; EUR 80.000 - 100.000; Vollzeit

Zusammenfassung

Ein führendes Unternehmen in der Luftfahrt in München sucht eine/n Praktikanten/in für eine Abschlussarbeit im Bereich Machine Learning. Ziel ist die Entwicklung eines Modells zur automatisierten Erkennung von Resonanzstellen in Schwingungsmessungen. Voraussetzung sind Kenntnisse in Python und Machine Learning, sowie Interesse an Triebwerkstechnologie. Flexible Arbeitszeitmodelle und Mentoring sind Teil des Angebots.

Leistungen

Einblicke in die Luftfahrtbranche

Mentoring und individuelle Betreuung

Flexible Arbeitszeitmodelle

Kantine und Sportkooperationen

Qualifikationen

• Kenntnisse in Signalverarbeitung und Machine Learning.
• Erfahrung mit Python und PyTorch oder ähnlichen Frameworks.

Aufgaben

• Aufbereitung und Analyse bereits gelabelter BSSM-Daten zur Modellierung.
• Entwicklung eines ML-Modells zur automatischen Erkennung von Resonanzstellen.
• Vergleich von Modellansätzen mit einer bestehenden analytischen Baseline.
• Konzeption zur Integration des Modells in eine Auswertungsumgebung.
• Dokumentation und Präsentation der Ergebnisse.

Kenntnisse

Python

PyTorch

Signalverarbeitung

Machine Learning

Ausbildung

Studium in Informatik, Data Science, Physik, Mathematik oder vergleichbar

Jobbeschreibung

#UPLIFTYOURFUTURE

Wir sind über 13.000. An 19 Standorten weltweit. Jedes dritte Flugzeug fliegt mit unserer Technologie. Immer effizienter, leiser, nachhaltiger. Wir gestalten die Zukunft der Luftfahrt. Was wir noch brauchen? Dich.

Unser Team sucht Dich:

Abschlussarbeit: Machine Learning - Automatische Resonanzerkennung in der Schwingungsmessung mit Tip-Timing

in München

Kennziffer – D MUC AEET

Die berührungslose Schaufel-Schwingungsmessung (BSSM) mittels Tip Timing ist ein etabliertes Verfahren zur Erfassung von Schaufelschwingungen und Spaltveränderungen in Triebwerkstests. In der Praxis ist die Identifikation von Resonanzstellen – also Frequenzbereichen der Schwingungsantworten – ein essenzieller, jedoch zeitaufwändiger und manuell durchgeführter Schritt. Ziel dieser Arbeit ist es, ein Machine-Learning-basiertes Modell zu entwickeln, dass diese Resonanzstellen automatisiert erkennt, um die Effizienz der Analyse signifikant zu verbessern.

STARKE AUFGABEN

• Aufbereitung und Analyse bereits gelabelter BSSM-Daten zur Modellierung
• Entwicklung eines ML-Modells zur automatischen Erkennung von Resonanzstellen in BSSM-Daten
• Vergleich verschiedener Modellansätze basierend auf unsupervised und supervised Learning mit einer bestehenden analytischen Baseline
• Konzeption zur Integration des Modells in eine bestehende Auswertungsumgebung
• Dokumentation und Präsentation der Ergebnisse

BESTE VORAUSSETZUNGEN

• Studium in Informatik, Data Science, Physik, Mathematik oder einem vergleichbaren Studiengang
• Erfahrung mit Python, PyTorch oder ähnlichen Frameworks
• Kenntnisse in Signalverarbeitung und Machine Learning
• Interesse an Triebwerkstechnologie und Messtechnik

Idealerweise stehst du für einen Zeitraum von mindestens acht Wochen zur Verfügung.

AUSGEZEICHNETES UMFELD

• Einblicke in die Luftfahrtbranche und Jobs mit Verantwortung
• Teamspirit u.a. durch Studi-Netzwerk & Events
• Mentoring und individuelle Betreuung
• Flexible Arbeitszeitmodelle mit mobilem Arbeiten
• Kantine, Cafébar und Verkaufsshops
• Sportkooperation mit EGYM Wellpass & Betriebssportgruppen
• Top-Anbindung durch Pendlerbus, Parkhaus, E-Ladestation

STARTKLAR?

Dann gib deiner Bewerbung Schub und schick uns deine Unterlagen (Lebenslauf, Notenübersicht der Hochschule, Schulabschlusszeugnis sowie eine aktuelle Immatrikulation) online. Gleich jetzt, gleich hier.

Wir freuen uns auf Dich!

Kontakt

Recruitingteam