Machine Learning-Jobs in Großbritannien

Lehrstuhl und Institut für Oberflächentechnik im Maschinenbau

Das Institut für Oberflächentechnik im Maschinenbau ist führend auf den Gebieten der PVD (Physical Vapour Deposition)-Technologie, dem Thermischen Spritzen, dem Hart- und Auftraglöten sowie der Modellierung und Simulation dieser Prozesse im Bereich der Grundlagenforschung und der angewandten Forschung in Kooperation mit Industriepartnern.

Die physikalische Gasphasenabscheidung (Englisch Physical Vapour Deposition, PVD) ist eine Schlüsseltechnologie zur Herstellung funktionaler Oberflächen für den Verschleiß- und Korrosionsschutz. Am IOT werden sowohl anwendungsnahe als auch grundlagenbasierte Forschungsprojekte in diesem Themengebiet durchgeführt. Die F&E-Gruppe PVD-Technologie (Werkzeuge) beschäftigt sich mit der Erforschung und Entwicklung von PVD-Dünnschichten für vielfältige Anwendungen von der Ur- und Umformung bis zur Zerspanung. Hierbei stehen die Verbesserung und Prozessanalyse sowie die datenbasierte Entwicklung leistungsstarker PVD-Schichten im Fokus. Darüber hinaus ist der Einsatz von maschinellem Lernen in Kombination mit Werkstoffanalyse und -prüfung zur Charakterisierung und Analyse des Einsatzverhaltens von beschichteten Werkzeugen von großem Interesse.

Du studierst an einer Hoch- oder Fachhochschule und hast Interesse oder idealerweise bereits Vorkenntnisse in einem der folgenden Bereiche:

• Maschinenbau
• Werkstofftechnik
• Oberflächentechnik
• Maschinelles Lernen

Du zeigst:

• Ein hohes Maß an Selbstständigkeit und Motivation
• Eine sorgfältige Arbeitsweise
• Interesse an der Oberflächentechnik
• Interesse an der Programmierung
• Sehr gute Sprachkenntnisse in Deutsch und Englisch

Für die Unterstützung der Forschungsvorhaben suchen wir ab sofort eine studentische Hilfskraft. Du solltest eine hohe Motivation und Interesse an einer längerfristigen Beschäftigung am IOT mitbringen.

Die folgenden Aufgaben werden den Schwerpunkt deiner Beschäftigung darstellen:

• Unterstützung bei der Durchführung von Beschichtungsprozessen an industriellen Anlagen sowie anwendungsnahen Systemtests und experimentellen Untersuchungen
• Auswertung und Aufbereitung aufgezeichneter Daten
• Dokumentation der Ergebnisse und Vorbereitung Datensätze für das Training von Maschinelles Lernen Modellen
• Einbindung in laufende Forschungsprojekte mit Industriepartnern
• Nutzung der Methoden des Maschinellen Lernens, um die Schichteigenschaften vorherzusagen

Zusätzlich bieten wir die Möglichkeit, deine Projekt- oder Bachelorarbeit bei uns durchzuführen.

Die Einstellung erfolgt als Studentische Hilfskraft.
Die Stelle ist zum nächstmöglichen Zeitpunkt zu besetzen und befristet auf 12 Monate.
Eine Weiterbeschäftigung von mindestens 1 Jahr ist vorgesehen.
Es handelt sich um eine Teilzeitstelle.
Die regelmäßige Wochenarbeitszeit beträgt 12 Stunden.
Die Eingruppierung richtet sich nach der Richtlinie für studentische und wissenschaftliche Hilfskräfte.
Die Stelle ist bewertet mit 13,25 € pro Stunde.

Die RWTH ist als familiengerechte Hochschule zertifiziert.
Die RWTH bietet im Rahmen eines Universitären Gesundheitsmanagements eine Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten (z. B. Hochschulsport) an. Für Tarifbeschäftigte und Beamtinnen und Beamte besteht ein umfangreiches Weiterbildungsangebot und die Möglichkeit, ein Jobticket zu erwerben.
Die Stellenausschreibung richtet sich an alle Geschlechter.
Wir wollen an der RWTH Aachen University besonders die Karrieren von Frauen fördern und freuen uns daher über Bewerberinnen.
Frauen werden bei gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt berücksichtigt, sofern sie in der Organisationseinheit unterrepräsentiert sind und sofern nicht in der Person eines Mitbewerbers liegende Gründe überwiegen.
Bewerbungen geeigneter schwerbehinderter Menschen sind ausdrücklich erwünscht.
Im Sinne der Gleichbehandlung bitten wir Sie, auf ein Bewerbungsfoto zu verzichten.

Postalisch: RWTH Aachen University
Lehrstuhl und Institut für Oberflächentechnik im Maschinenbau
Xiaoyang Liu
Kackertstraße 15
52072 Aachen

E-Mail: E-Mail schreiben
Bitte beachten Sie, dass Gefährdungen der Vertraulichkeit und der unbefugte Zugriff Dritter bei einer Kommunikation per unverschlüsselter E-Mail nicht ausgeschlossen werden können.