Studierende (m/w/d) für Abschlussarbeit Master Erforschen von Machine-Learning- Methoden zur nu[...]

TN Germany; Stuttgart; Vor Ort; EUR 80.000 - 100.000; Vollzeit

Zusammenfassung

Das ZSW in Stuttgart sucht Studierende für eine Master-Abschlussarbeit zur Erforschung von Machine-Learning-Methoden in der Wettervorhersage. Die Arbeit umfasst die Analyse von Modellen, Implementierung eines Vorhersage-Frameworks und die Bewertung von Vorhersagequalitäten. Flexible Arbeitszeiten und innovative Forschung bieten eine spannende Möglichkeit für Studierende, praxisnahe Erfahrungen zu sammeln.

Leistungen

Flexible Arbeitszeiten

Moderne Arbeitsumgebung

Betriebliches Gesundheitsmanagement

Qualifikationen

• Studium in einem relevanten Fachgebiet.
• Begeisterung für anwendungsorientierte Forschung.

Aufgaben

• Implementierung eines Vorhersage-Frameworks auf ZSW-Infrastruktur.
• Bewertung der Vorhersagequalität des GraphCast-Modells.
• Training des Modells auf historischen ICON-D2-Daten.

Kenntnisse

Python

Machine Learning

Deep Learning

Optimierung

Meteorologie

English

Linux

Ausbildung

Relevant field of study

Jobbeschreibung

Studierende (m/w/d) für Abschlussarbeit Master: Erforschung von Machine-Learning-Methoden zur numerischen Wettervorhersage, Stuttgart

Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (ZSW)

Das ZSW ist eines der führenden Institute für angewandte Forschung in den Bereichen Energiewende, Photovoltaik, Windenergie, Batterien, Brennstoffzellen, Elektrolyse, eFuels, Circular Economy, Politikberatung und KI-gestützte Prozess- und Systemoptimierung. Mit über 300 Mitarbeitenden an den Standorten Stuttgart und Ulm sowie mehreren Testfeldern für Windenergie und PV-Anlagen, ist das ZSW ein innovatives Forschungszentrum und Mitglied der Innovationsallianz Baden-Württemberg (innBW).

Für das Fachgebiet Systemanalyse (SYS) am Standort Stuttgart suchen wir zum nächstmöglichen Zeitpunkt Studierende (m/w/d) für eine Master-Abschlussarbeit.

Aufgaben:

1. Beschreibung des GraphCast-Modells und seiner Datenbasis
2. Übersicht alternativer datengetriebener Wettervorhersagemodelle (z.B. FourCastNet, FuxiWeather, PanguWeather)
3. Analyse des aktuellen Forschungsstands von GraphCast und GNN-basierten Lokalmodellen
4. Implementierung eines Vorhersage-Frameworks auf ZSW-Infrastruktur
5. Bewertung der Vorhersagequalität des globalen GraphCast-Modells für Deutschland im Vergleich zu ICON-D2
6. Anwendung des Ansatzes zur Entwicklung eines GNN-Lokalmodells für Deutschland basierend auf ICON-D2
7. Training des Modells auf historischen ICON-D2-Daten
8. Evaluation und Optimierung der Modellkonfigurationen

Ihr Profil:

• Studium in einem relevanten Fachgebiet (z.B. Deep Learning, Optimierung, Meteorologie)
• Sicherer Umgang mit Python und Machine-Learning-Frameworks (PyTorch, TensorFlow)
• Sehr gute Englischkenntnisse
• Begeisterung für anwendungsorientierte Forschung
• Vorzugsweise Erfahrung in der numerischen Wettervorhersage
• Sicherer Umgang mit Linux ist vorteilhaft

Unser Angebot:

• Innovative Forschung mit direktem Praxisbezug in der Energiewende
• Offene Unternehmenskultur mit flachen Hierarchien
• Flexible Arbeitszeiten
• Gute Anbindung an ÖPNV und Fahrradstellplätze
• Modern ausgestattete Arbeitsumgebung
• Betriebliches Gesundheitsmanagement

Das Arbeitsverhältnis ist befristet. Bei Interesse bewerben Sie sich bitte über den Button "Jetzt online bewerben". Für fachliche Fragen steht Herr Christian Bär unter [phone] zur Verfügung. Weitere Informationen finden Sie unter www.zsw-bw.de. Wir freuen uns auf Ihre Bewerbung!