Bachelor student (m/f/d) Development of machine learning models for the optimization of ontolog[...]

Dr. Ing. h.c. F. Porsche AG; Bietigheim-Bissingen; Vor Ort; EUR 40.000 - 60.000; Vollzeit

Zusammenfassung

Ein führendes Automobilunternehmen in Bietigheim-Bissingen sucht einen Abschlussarbeitsstudenten zur Entwicklung und Evaluation von Graph‑Neural‑Network-Modellen. Aufgaben umfassen Literaturrecherche, Analyse von Evaluationstechniken und Entwicklung innovativer Ansätze zur Link‑Prädiktion in Knowledge Graphen. Ideale Kandidaten haben Kenntnisse in Machine Learning und besitzen analytisches Denken sowie eine hohe Eigenmotivation.

Qualifikationen

• Grundverständnis von Knowledge Graphs und Ontologien.
• Bereitschaft, sich in Graph Neural Networks einzuarbeiten.
• Kenntnisse in Evaluationsmethoden (Accuracy, Precision, Recall, F1‑Score) von Vorteil.

Aufgaben

• Entwicklung und Evaluation von Graph‑Neural‑Network‑Modellen zur Link‑Prädiktion.
• Literaturrecherche zu GNN‑Architekturen.
• Analyse von Benchmarks für Link Prediction.

Kenntnisse

Kenntnisse in Machine Learning / Deep Learning

Verständnis von Graph Neural Networks (GCN, GAT, R‑GCN)

Analytisches Denken

Selbstständigkeit bei Problembearbeitung

Teamfähigkeit

Ausbildung

Wirtschaftsinformatik, Data Science / Künstliche Intelligenz oder Naturwissenschaften mit Schwerpunkt in Data Science

Tools

PyTorch

Tensorflow/Keras

NetworkX

Excel/CSV

Jobbeschreibung

Overview

Entwicklung und Evaluation von Graph‑Neural‑Network‑basierten Modellen zur Link‑Prädiktion in Knowledge Graphen. Dabei soll die Frage beantwortet werden, wie die verschiedene Architekturen von Graph Neural Network (GNN), insbesondere Graph Convolutional Networks (GCN), Graph Attention Networks (GAT) und Relational GCNs, fehlende oder fehlerhaft angelegte Kanten in einem domänenspezifischen IT‑Asset‑Management‑Knowledge‑Graph zuverlässig entdecken und vorhersagen können.

Ausbildung/Einordnung

• Einstiegsart: Abschlussarbeit
• Einsatzort: Zuffenhausen
• Gesellschaft: Dr. Ing. h.c. F. Porsche AG

Rechercheaufgaben

• Literaturrecherche zu aktuellen GNN‑Architekturen und ihren Einsatzfeldern
• Vergleich existierender Methoden für Link Prediction in Knowledge Graphs
• Analyse von Benchmarks und Evaluationsmetriken für Link Prediction
• Recherche von Best Practices für den Umgang mit Ontologien im IT‑Asset‑Management
• Wirtschaftsinformatik
• Data Science / Künstliche Intelligenz
• Naturwissenschaften mit Schwerpunkt in Data Science

Studienschwerpunkte

• Maschinelles Lernen / Deep Learning
• Netzwerkanalyse oder Graphentheorie
• Künstliche Intelligenz

Fachkenntnisse

• Grundverständnis von Knowledge Graphs und Ontologien und/oder hohe Bereitschaft, sich darin einzuarbeiten
• Kenntnisse in Machine Learning / Deep Learning
• Verständnis von Graph Neural Networks (GCN, GAT, R‑GCN) und Bereitschaft, sich tief einzuarbeiten
• Grundlagen von Evaluationsmethoden (Accuracy, Precision, Recall, F1‑Score)
• Kenntnisse über Ontologieoptimierung bzw. Datenqualität wären ein Plus

IT‑Kenntnisse

• Erfahrung mit PyTorch oder Tensorflow/Keras
• Erfahrung mit NetworkX oder vergleichbaren Graph‑Libraries
• Umgang mit Excel/CSV‑basierten Datenquellen
• (Optional) Kenntnisse in Cloud Systemen vorzugsweise Azure
• Analytisches Denken und hohe Eigenmotivation, sich in komplexe Themen einzuarbeiten
• Fähigkeit zu wissenschaftlicher Literaturarbeit
• Selbstständigkeit bei Problembearbeitung, aber auch Teamfähigkeit im Austausch mit Betreuern