Is the internship at TKMS ATLAS ELEKTRONIK GmbH paid and what compensation can candidates expect?

Yes, this is a paid internship opportunity. Exact compensation details are typically finalized during the company interview process.

What are the working arrangements and expected duration for the Pflichtpraktikum: ML-basierte Szenario- &Performanceanalyse für autonome Path-Planning-Algorithmen (m/w/d) role?

This position is a full-time, structured as a hybrid role, with an expected duration of 6 months.

Does TKMS ATLAS ELEKTRONIK GmbH provide visa sponsorship or assistance for international applicants?

Regarding visa assistance and sponsorship for this role, the official status is currently listed as: Not disclosed.

Pflichtpraktikum: ML-basierte Szenario- &Performanceanalyse für autonome Path-Planning-Algorithmen (m/w/d)

Q: How do I apply for the Pflichtpraktikum: ML-basierte Szenario- &Performanceanalyse für autonome Path-Planning-Algorithmen (m/w/d) position at TKMS ATLAS ELEKTRONIK GmbH and track my application?

We provide a direct link to the official application portal. You can apply directly here . Additionally, you can easily track this and other applications by clicking the bookmark icon to save it to your YGI Kanban board .

Q: What educational background or degree level is required for the Pflichtpraktikum: ML-basierte Szenario- &Performanceanalyse für autonome Path-Planning-Algorithmen (m/w/d) at TKMS ATLAS ELEKTRONIK GmbH?

Candidates are generally expected to be holding or pursuing the following degree levels: Bachelor, Master.

TKMS ATLAS ELEKTRONIK GmbH

Found 2 months ago

Location

Bremen, Germany

Duration (Months)

6 Months

Time

Full-time

Work Mode

Hybrid

Salary

Gehaltsvorstellung

Visa Help

Not disclosed

Last Verified

1 month ago

Education

Bachelor
Master

Skills & Qualifications

Technical Skills

Data Science
Physik
Elektrotechnik
maschinellem Lernen
Deep Learning
Optimierungsalgorithmen
Simulation
PyTorch
Scikit-learn
Simulation
Sonaren
Validierungsmethoden
Python

Soft Skills

Selbständige und systematische Arbeitsweise.
Kommunikationsfähigkeit im Umgang mit Kollegen und Projektbeteiligten.

Job Description

Entwicklung und Implementierung automatisierter Tests für polygonale und realitätsnahe Einsatzgebiete. Identifikation von unterperformanten Szenarien durch Analyse abstrakter Feature-Repräsentationen (Autoencoder, Clustering, Dimensionality Reduction). Konzeption von Metriken und Bewertungsstrategien zur systematischen Evaluation von Algorithmenleistung und Robustheit. Mitarbeit an weiteren Software- und Optimierungsaufgaben im Gesamtprojekt. Optional je nach Interesse: Untersuchung von Anomaly-Detection-Ansätzen zur Erweiterung der Failure Case Analysis.

Requirements

Laufendes technisches Studium mit Informatikanteilen, z.B. Data Science, Physik, Elektrotechnik oder vergleichbar.
Grundkenntnisse in maschinellem Lernen, Deep Learning, Optimierungsalgorithmen oder Simulation sind von Vorteil.
Idealerweise erste Erfahrungen mit Frameworks wie PyTorch oder Scikit-learn.
Frühere Erfahrungen mit Simulation, Sonaren oder Validierungsmethoden von Vorteil.
Programmierkenntnisse in einer objektorientierten Sprache (bevorzugt Python).
Selbständige und systematische Arbeitsweise.
Kommunikationsfähigkeit im Umgang mit Kollegen und Projektbeteiligten.
Sehr Gute Deutsch- und Englischkenntnisse in Wort und Schrift.

Software Engineering

AI/ML/GenAI Engineering

Languages

Deutsch
Englisch

Nice to Haves

Grundkenntnisse in maschinellem Lernen, Deep Learning, Optimierungsalgorithmen oder Simulation sind von Vorteil.
Idealerweise erste Erfahrungen mit Frameworks wie PyTorch oder Scikit-learn.
Frühere Erfahrungen mit Simulation, Sonaren oder Validierungsmethoden von Vorteil.

Apply Now

20Open Positions

Open Positions

20Open Positions

Pflichtpraktikum: ML-basierte Szenario- &Performanceanalyse für autonome Path-Planning-Algorithmen (m/w/d)

Education

Skills & Qualifications

Technical Skills

Soft Skills

Job Description

Requirements

Related Field

Related Subfield

Languages

Nice to Haves