Data Engineering Intern - AI/ML Systems

Dieses 6-monatige Praktikum umfasst das Entwerfen und den Aufbau von Dateninfrastrukturen, die AI/ML-Projekte im Portfolio von EnerSys unterstützen, einschließlich Energiemanagement, digitale Zwillingssimulation, prädiktive Wartung und Fertigungsoptimierung. Sie werden eng mit AI/ML-Ingenieuren und Forschern an Ingestion-Pipelines, Feature Engineering, Datenqualität und analytischen Werkzeugen zusammenarbeiten.

Wesentliche Aufgaben und Verantwortlichkeiten

• Entwurf und Implementierung von Dateninjektions-, Transformations- und Validierungspipelines für strukturierte, semi-strukturierte und zeitbasierte Daten aus BESS-Telemetrie, industriellen Ladegeräten, Sensornetzwerken und Fertigungssystemen.
• Entwicklung von Datenqualitäts- und Überwachungsrahmen, einschließlich Schema-Validierung, Vollständigkeitsprüfungen, Ausreißerkennzeichnung und Drift-Erkennung für ML-Trainingspipelines und Echtzeiteingaben.
• Aufbau und Pflege von Feature-Engineering-Pipelines mit Fokus auf temporale Merkmalskonstruktion, Normalisierungsstrategien und Design von Feature-Stores.
• Entwurf von Datenmodellen und Speicherschemas, die für die Abfrage von Zeitreihen, ML-Verbrauch und projektübergreifende Wiederverwendbarkeit optimiert sind; Bewertung von Kompromissen zwischen Speicherformaten und Datenbankarchitekturen.
• Beitrag zur Entwicklung von Streaming-Datenpipelines, die Echtzeit-Ingestion und ereignisgesteuerte Architekturen für hochdurchsatzfähige industrielle Datenquellen unterstützen.
• Beitrag zur Generierung synthetischer Daten und zu Simulationsdaten-Workflows, die die digitale Zwillingsplattform und die EMS-Entwicklung unterstützen.
• Entwicklung von explorativen Analysen und Visualisierungsausgaben, die interpretierbare Ansichten der Datenqualität, Abdeckung und Verteilungsmerkmale für Forschungs- und Projektteams bieten.
• Engagement für die vollständige Ingenieurrigorosität, die von Produktions-AI/ML-Datensystemen erwartet wird, einschließlich Tests, Validierung, Datenvertragsüberprüfung, Simulation und Lasttests, Ausgabevisualisierung und umfassender technischer Dokumentation.

Erforderliche Qualifikationen

• Derzeit eingeschrieben in einem Master- oder PhD-Programm in Informatik, Datenwissenschaft, Elektrotechnik oder einem eng verwandten Bereich – oder kürzlich aus einem solchen Programm graduierte.
• Starke Kenntnisse in Python für Datenmanipulation, Transformation und Pipeline-Entwicklung.
• Solide Erfahrung mit SQL und relationalen oder zeitbasierten Datensystemen.
• Nachgewiesenes Verständnis von Machine-Learning-Workflows, einschließlich der Konstruktion von Trainingsdaten, Feature Engineering, Design von Inferenzpipelines und der downstream Auswirkungen der Datenqualität auf das Modellverhalten.
• Praktische Erfahrung im Umgang mit großen, komplexen, realen Datensätzen, einschließlich fehlender Daten, Schemainkonsistenzen, Herausforderungen bei der zeitlichen Ausrichtung und hochgradig kategorischen Variablen.
• Starke Fähigkeiten in der Datenvisualisierung mit Bibliotheken wie matplotlib, seaborn oder Plotly; Fähigkeit, Analyseausgaben zu produzieren, die klar, informativ und reproduzierbar sind.

Bevorzugte Qualifikationen

• Vertrautheit mit Cloud-Datenplattformen, insbesondere Microsoft Azure (Azure Databricks, Azure Data Factory, Azure Data Lake, Event Hubs); gleichwertige Erfahrungen mit anderen großen Cloud-Anbietern sind ebenfalls relevant.
• Exposition gegenüber großangelegten oder Streaming-Datenkonzepten, einschließlich Echtzeit-Ingestion-Pipelines, ereignisgesteuerten Architekturen oder verteilten Datenverarbeitungsframeworks (z.B. Spark).
• Erfahrung mit relationalen oder analytischen Datenbanken (z.B. PostgreSQL); Bewusstsein für moderne Speicherformate oder Datenbankkategorien – einschließlich spaltenbasierter, vektorisierter oder graphbasierter Datenbanken – ist von Vorteil.
• Praktische ML-Erfahrung, einschließlich Modelltraining, Feature Engineering oder Experimentverfolgung (z.B. MLflow); Verständnis dafür, wie das Design von Datenpipelines die Modellleistung beeinflusst.
• Interesse an oder frühere Exposition gegenüber zeitbasierten Sensordaten, industrieller Telemetrie, Batteriesystemen oder Energieinfrastruktur ist von Vorteil.