Nutze unser Formular …
… wenn Du Dich auf diese Stelle bewerben möchtest.
Bitte füge eine kurze Nachricht an, in der Du Dein Anliegen schilderst. Wir werden uns bald mit Dir in Verbindung setzen.
Thema: "Ereignisdetektion für multivariate IIoT-Sensordatenströme"
With our headquarters in Dresden, we are strategically located in the largest center of microelectronic industries in Europe. As the capital of the German state of Saxony, Dresden is at the heart of “Silicon Saxony”, a term used to describe the region and its hundreds of microelectronics businesses.
Maintaining strong, collaborative relationships with local manufacturing companies and world-renowned universities (e.g. TU Dresden and HTW), Dresden is also the center of our R&D activities.
In addition to its high density of outstanding research institutions, Dresden is also well known for its history, beautiful baroque architecture, and broad collection of fine arts.
}', 21='{type=list, value=[{id=31544187646, name='MScha'}]}', 22='{type=number, value=1}', 24='{type=string, value=Unser Hauptsitz befindet sich in Dresden, der Hauptstadt des deutschen Bundeslandes Sachsen. Dresden ist das Herzstück von „Silicon Saxony“, Sachsens größtem Hightechnetzwerk und Europas größtem Mikroelektronikstandort.
Wir pflegen enge Kooperationsbeziehungen zu lokalen Fertigungsunternehmen und zu weltweit anerkannten Universitäten der Region (z. B. TU Dresden und HTW), wodurch Dresden das Zentrum unserer F&E-Aktivitäten ist.
Neben seiner hohen Dichte an herausragenden Forschungseinrichtungen ist Dresden auch für seine Geschichte, seine wunderschöne Barockarchitektur und seine große Sammlung an bildender Kunst bekannt.
}', 25='{type=string, value=Dresden (Deutschland)}', 26='{type=string, value=Dresden Headquarters}', 27='{type=string, value=Dresden (Deutschland)}', 28='{type=string, value=Germany}', 29='{type=string, value=Manfred-von-Ardenne-Ring 6}', 30='{type=string, value=01099}', 31='{type=string, value=Saxony}'}]Die zuverlässige Erkennung von Übergängen zwischen Anlagezuständen in multivariaten Sensorsignalen ist von grundlegender Bedeutung für den Einsatz von Machine Learning-Methoden im industriellen IoT. Da die Erkennung von Zustandsübergängen eine Diskretisierung der Anlagenzustände ermöglicht, geht sie der nachgelagerten Kategorisierung und Integration voraus. Folglich ist die Erkennung dieser Übergangsereignisse der Schlüssel zu verbesserten Lösungen für die Entscheidungsfindung in der Fertigung.
Während dieses Praktikums wirst du einen geeigneten Methodensatz zur Erkennung von Ereignissen bewerten und extrahieren, um typische Sensormesswerte im iIoT abzudecken. Anschließend wirst du diese Methoden in einer Echtzeit-Streaming-Architektur anwenden. Gleichzeitig sollen Anforderungen an einen User-Interface-Ansatz zur halbüberwachten Auswahl geeigneter Methoden behandelt werden.
Dafür wären Kenntnisse in folgenden Technologien von Vorteil: SQL, timescaledb, R, python, azure.
… wenn Du Dich auf diese Stelle bewerben möchtest.
Bitte füge eine kurze Nachricht an, in der Du Dein Anliegen schilderst. Wir werden uns bald mit Dir in Verbindung setzen.