Anbieter Lehrstuhl für Technologie optischer Systeme Unser Profil Der Lehrstuhl für Technologie Optischer Systeme TOS der RWTH Aachen University ist einer der mit dem Fraunhofer ILT kooperierenden Lehrstühle und betreibt Forschung und Entwicklung auf den Gebieten der Optischen Systeme für Laser und Laseranwendungen, der Computational Optics und der EUV-Technologie.
Anbieter Lehrstuhl für Technologie optischer Systeme Unser Profil Der Lehrstuhl für Technologie Optischer Systeme TOS der RWTH Aachen University ist einer der mit dem Fraunhofer ILT kooperierenden Lehrstühle und betreibt Forschung und Entwicklung auf den Gebieten der Optischen Systeme für Laser und Laseranwendungen, der Computational Optics und der EUV-Technologie.
Anbieter Lehrstuhl und Institut für Oberflächentechnik im Maschinenbau Unser Profil Das Institut für Oberflächtentechnik beschäftigt sich seit Jahren mit der intensiven Forschungs- und Entwicklungsarbeit im Bereich der Füge- und Oberflächentechnik. Dabei kommen die Verfahren Physical Vapour Deposition (PVD), Thermisches Spritzen, Auftragschweißen, Hartlöten und Auftraglöten zum Einsatz.
Durch die Anpassung der Oberfläche an eine Anwendung können Ressourcen und Energie eingespart und nachhaltige Produkte erzeugt werden. Das Institut für Oberflächentechnik beschäftigt sich mit der Forschungs- und Entwicklungsarbeit in der Füge- und Oberflächentechnik. Dabei kommen die Verfahren Thermisches Spritzen, Physical Vapor Deposition (PVD), Auftragschweißen, Hartlöten und Auftraglöten zum Einsatz.
Anbieter Lehrstuhl und Institut für Oberflächentechnik im Maschinenbau Unser Profil Das Institut für Oberflächtentechnik beschäftigt sich seit Jahren mit der intensiven Forschungs- und Entwicklungsarbeit im Bereich der Füge- und Oberflächentechnik. Dabei kommen die Verfahren Physical Vapour Deposition (PVD), Thermisches Spritzen, Auftragschweißen, Hartlöten und Auftraglöten zum Einsatz.
Durch die Anpassung der Oberfläche an eine Anwendung können Ressourcen und Energie eingespart und nachhaltige Produkte erzeugt werden. Das Institut für Oberflächentechnik beschäftigt sich mit der Forschungs- und Entwicklungsarbeit in der Füge- und Oberflächentechnik. Dabei kommen die Verfahren Thermisches Spritzen, Physical Vapor Deposition (PVD), Auftragschweißen, Hartlöten und Auftraglöten zum Einsatz.
Charakteristisch für Ihre Arbeit ist die enge Verzahnung von modellbasierter Forschung und experimenteller Validierung. Sie nutzen experimentelle Messdaten aus Zelltests und Analytik, um Modellparameter zu identifizieren, Modelle zu validieren und Alterungsmechanismen physikalisch fundiert zu interpretieren.
Charakteristisch für Ihre Arbeit ist die enge Verzahnung von modellbasierter Forschung und experimenteller Validierung. Sie nutzen experimentelle Messdaten aus Zelltests und Analytik, um Modellparameter zu identifizieren, Modelle zu validieren und Alterungsmechanismen physikalisch fundiert zu interpretieren.
Durch die Anpassung der Oberfläche an eine Anwendung können Ressourcen und Energie eingespart und nachhaltige Produkte erzeugt werden. Das Institut für Oberflächentechnik beschäftigt sich mit der Forschungs- und Entwicklungsarbeit in der Füge- und Oberflächentechnik. Dabei kommen die Verfahren Thermisches Spritzen, Physical Vapor Deposition (PVD), Auftragschweißen, Hartlöten und Auftraglöten zum Einsatz.
Ihr Profil Der Lehrstuhl für Maschinelles Lernen auf Graphen sucht eine*n hochmotivierte*n Student*in mit guten Kenntnissen im maschinellen Lernen und einem ausgeprägten Interesse an der aktiven Weiterentwicklung einer State-of-the-Art Python Bibliothek für die angewandte Forschung im Bereich maschinelles Lernen auf Graphen. Wir erwarten: Gute Programmierkenntnisse in Python Gute Kenntnisse im maschinellen Lernen Erfahrung mit PyTorch Erfahrung mit professioneller Softwareentwicklung (Clean Code Practices und Python Paketverwaltung) Erfahrung mit Objektorientierter Programmierung Gute Englischkenntnisse Aktuelles Studium an einer Hoch- oder Fachhochschule Nice to have: Nachgewiesene Erfolgsbilanz (z.
Deine Aufgabe: Recherche zur aktuellen Literatur über Graph Neural Networks Erweiterung von Methoden aus früheren Forschungen zu Graph Neural Networks für die Fehlerlokalisierung in Nieder- und Mittelspannungsnetzen Skalierung und Parallelisierung von Simulationen und Training, z.
Durch die Anpassung der Oberfläche an eine Anwendung können Ressourcen und Energie eingespart und nachhaltige Produkte erzeugt werden. Das Institut für Oberflächentechnik beschäftigt sich mit der Forschungs- und Entwicklungsarbeit in der Füge- und Oberflächentechnik. Dabei kommen die Verfahren Thermisches Spritzen, Physical Vapor Deposition (PVD), Auftragschweißen, Hartlöten und Auftraglöten zum Einsatz.
Ihr Profil Der Lehrstuhl für Maschinelles Lernen auf Graphen sucht eine*n hochmotivierte*n Student*in mit guten Kenntnissen im maschinellen Lernen und einem ausgeprägten Interesse an der aktiven Weiterentwicklung einer State-of-the-Art Python Bibliothek für die angewandte Forschung im Bereich maschinelles Lernen auf Graphen. Wir erwarten: Gute Programmierkenntnisse in Python Gute Kenntnisse im maschinellen Lernen Erfahrung mit PyTorch Erfahrung mit professioneller Softwareentwicklung (Clean Code Practices und Python Paketverwaltung) Erfahrung mit Objektorientierter Programmierung Gute Englischkenntnisse Aktuelles Studium an einer Hoch- oder Fachhochschule Nice to have: Nachgewiesene Erfolgsbilanz (z.
Ihr Profil Der Lehrstuhl für Maschinelles Lernen auf Graphen sucht eine/n hochmotivierte/n Student/in mit fundierten Kenntnissen im maschinellen Lernen und einem ausgeprägten Interesse eine State-of-the-Art Python Bibliothek für angewandte Forschung im Bereich maschinelles Lernen auf Graphen aktiv weiterzuentwickeln. Wir erwarten: Exzellente Programmierkenntnisse in Python Fundierte Kenntnisse im maschinellen Lernen Erfahrung mit PyTorch Erfahrung mit professioneller Softwareentwicklung (Clean Code Practices und Python Paketverwaltung) Erfahrung mit Objektorientierter Programmierung Gute Englischkenntnisse Bachelorabschluss und Immatrikulation im konsekutiven Studiengang Nice to have: Nachgewiesene Erfolgsbilanz (z.
Gesellschafter sind der Freistaat Bayern (Mehrheitsgesellschafter) und die Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Zur Erweiterung unserer Forschungslinien in unserem Team „Architectures and Services for Critical Infrastructures“ bieten wir eine: Masterarbeit im Bereich “Netzengpassmanagement durch Steuerung von flexiblen Lastgeräten und Netzzustandsprognosen” (m/w/d) In den letzten Jahren hat sich die Landschaft der Energieverteilungssysteme erheblich verändert.
Ihr Profil Der Lehrstuhl für Maschinelles Lernen auf Graphen sucht eine/n hochmotivierte/n Student/in mit fundierten Kenntnissen im maschinellen Lernen und einem ausgeprägten Interesse eine State-of-the-Art Python Bibliothek für angewandte Forschung im Bereich maschinelles Lernen auf Graphen aktiv weiterzuentwickeln. Wir erwarten: Exzellente Programmierkenntnisse in Python Fundierte Kenntnisse im maschinellen Lernen Erfahrung mit PyTorch Erfahrung mit professioneller Softwareentwicklung (Clean Code Practices und Python Paketverwaltung) Erfahrung mit Objektorientierter Programmierung Gute Englischkenntnisse Bachelorabschluss und Immatrikulation im konsekutiven Studiengang Nice to have: Nachgewiesene Erfolgsbilanz (z.