Masterand

Tenneco; Germany (OH); On-site; USD 14,000 - 22,000; Full time

Job summary

Ein führendes Unternehmen in der Automobilindustrie sucht einen Masterand im Bereich Data, AI & Analytic für ein 2-monatiges Praktikum mit anschließender Masterarbeit von 6 Monaten. Zu den Aufgaben gehören die Analyse von Materialdaten, der Aufbau von Regressionsmodellen sowie enge Zusammenarbeit mit R&D-Ingenieuren. Bewerber sollten Kenntnisse in Python und Datenanalyse haben sowie ein Masterstudium in einem relevanten Bereich. Sehr gute Deutsch- oder Englischkenntnisse sind erforderlich. Diese Rolle ermöglicht interdisziplinäre Zusammenarbeit zwischen Data Science und Materialentwicklung.

Qualifications

• Gute Kenntnisse in Python ML Frameworks (z. B. scikit-learn, PyTorch oder TensorFlow).
• Verständnis statistischer Modellierung und Regressionsverfahren.
• Idealerweise Erfahrung mit Zeitreihenanalyse oder Materialdaten.
• Verständnis statistischer Modellierung und Regressionsverfahren.

Responsibilities

• Analyse und Strukturierung von Versuchs- und Materialdaten.
• Aufbau und Validierung von Regressionsmodellen zur Vorhersage von Reibwertverhalten.
• Dokumentation und Präsentation der Ergebnisse.
• Untersuchung von Generalisierungsfähigkeit und Extrapolation auf neue Rezepturen.
• Vergleich unterschiedlicher Modellansätze hinsichtlich Vorhersagegenauigkeit, Robustheit und Interpretierbarkeit.
• Identifikation relevanter Einflussgrößen mittels Feature Importance / Sensitivitätsanalysen.
• Dokumentation und Präsentation der Ergebnisse.
• Enge Abstimmung mit R&D-Ingenieuren zur physikalischen Plausibilität.
• Masterstudium in Data Science, Mathematik, Ingenieurswissenschaft oder vergleichbar.
• Sehr gute Deutsch- oder Englischkenntnisse.

Skills

Kenntnisse in Python ML Frameworks

Datenanalyse mit pandas, polars, NumPy

Statistische Modellierung

Verständnis neuronalen Netzen

Interesse an interdisziplinärer Arbeit

Sehr gute Deutsch- oder Englischkenntnisse

Education

Masterstudium in Data Science, Mathematik, Ingenieurswissenschaft oder vergleichbar

Mathematik/Ingenieurwissenschaft

Tools

scikit-learn

PyTorch

TensorFlow

pandas

NumPy

Polars

Job description

Tenneco ist eines der weltweit führenden Unternehmen in der Entwicklung, Herstellung und Vermarktung von Produkten für die Automobil- und Schienenfahrzeugbranche.
Im Geschäftsbereich Tenneco Braking wird eines der breitesten Portfolios an Reibmaterialien für Pkw, Nutzfahrzeuge, Schienengüter- und -personenverkehr, Industrie- sowie Motorsport angeboten. Die Produkte unterstützen Tier-1-Zulieferer und OEMs dabei, aktuelle und zukünftige Umweltanforderungen zu erfüllen.

Für den Standort Glinde (Schleswig-Holstein) wird ein/eMasterand (m/w/d) im Bereich Data, AI & Analytic gesucht. Der Beschäftiungsumfang umfasst 2 Monate Praktikum mit anschließender Masterarbeit über 6 Monate.

Aufgaben:

• Analyse und Strukturierung von Versuchs- und Materialdaten (Rezepturen, Prozessparameter, Performancekennwerte)
• Aufbau und Validierung von Regressionsmodellen (z. B. neuronale Netze, Random Forest, Gradient Boosting) zur Vorhersage von Reibwertverhalten.
• Feature Engineering auf Basis von Materialzusammensetzung und Prozessparametern
• Untersuchung von Generalisierungsfähigkeit und Extrapolation auf neue Rezepturen
• Vergleich unterschiedlicher Modellansätze hinsichtlich Vorhersagegenauigkeit, Robustheit und Interpretierbarkeit
• Identifikation relevanter Einflussgrößen mittels Feature Importance / Sensitivitätsanalysen
• Dokumentation und Präsentation der Ergebnisse
• Enge Abstimmung mit R&D-Ingenieuren zur Sicherstellung physikalischer Plausibilität
• Masterstudium in Data Science, Mathematik, Ingenieurswissenschaft oder vergleichbar
• Gute Kenntnisse in: Python ML Frameworks (z. B. scikit-learn, PyTorch oder TensorFlow), Datenanalyse (pandas, polars, NumPy)
• Verständnis statistischer Modellierung und Regressionsverfahren
• Grundkenntnisse in neuronalen Netzen und Overfitting-/Regularisierungskonzepten
• Idealerweise Erfahrung mit: Zeitreihenanalyse, Materialdaten oder physikalischen Modellen, Feature Engineering in technischen Datensätzen
• Strukturierte und selbstständige Arbeitsweise
• Interesse an interdisziplinärer Arbeit zwischen Data Science und Materialentwicklung
• Sehr gute Deutsch- oder Englischkenntnisse