Auf einen Blick
- Aufgaben: Entwickle Dateninfrastrukturen für spannende AI/ML-Projekte in der Energiebranche.
- Unternehmen: EnerSys, ein innovatives Unternehmen im Energiesektor.
- Vorteile: Praktische Erfahrung, Networking-Möglichkeiten und Einblicke in die Industrie.
- Weitere Informationen: Dynamisches Team mit großartigen Entwicklungsmöglichkeiten.
- Warum dieser Job: Gestalte die Zukunft der Energie mit modernster Technologie und echten Projekten.
- Qualifikationen: Studium in Informatik, Data Science oder verwandten Bereichen; Python-Kenntnisse erforderlich.
Das prognostizierte Gehalt liegt zwischen 2000 - 2500 € pro Monat.
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.
Data Engineering Intern - AI/ML Systems Arbeitgeber: Enersys
EnerSys ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern in Zug, ZG, CH, eine dynamische und innovative Arbeitsumgebung bietet. Als Praktikant im Bereich Data Engineering für AI/ML-Systeme haben Sie die Möglichkeit, an spannenden Projekten zu arbeiten, die sich mit Energieverwaltung und industrieller Optimierung befassen. Das Unternehmen fördert eine offene Kultur des Lernens und der Zusammenarbeit, bietet umfangreiche Entwicklungsmöglichkeiten und unterstützt aktiv das Wachstum seiner Mitarbeiter in einem zukunftsorientierten Sektor.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Data Engineering Intern - AI/ML Systems erhalten könnten
✨Nutze Hochschulkarrieremessen
Bei der Suche nach einem Datenwissenschafts-Praktikum solltest du unbedingt die Karrieremessen an deiner Universität nutzen. Dort kannst du direkt mit Firmen, die gerade Praktika anbieten, in Kontakt treten – so zeigst du dein Interesse und kannst dir einen persönlichen Eindruck verschaffen.
✨Engagiere dich in Data-Science-Communities
Schau dich in lokalen oder Online-Communities um, die sich mit Data Science befassen. Plattformen wie Meetup oder spezielle Slack-Channels bieten tolle Gelegenheiten, um Gleichgesinnte zu treffen, von aktuellen Trends zu erfahren und eventuell sogar Stellenangebote zu bekommen.
✨Praktische Projekte zeigen
Baue dir ein Portfolio mit Projekten auf, die deine Fähigkeiten in Data Science zeigen. Dies kann ein kleines Machine-Learning-Projekt oder eine Datenanalyse sein. Verlinke diese Arbeiten in deinem Lebenslauf, wenn du dich bei Enersys bewirbst – so hinterlässt du einen bleibenden Eindruck.
✨Nutze unsere Plattform für Bewerbungen
Vergiss nicht, dich direkt über unsere Webseite bei Enersys für Praktika zu bewerben. Wir haben dort viele interessante Angebote, und das Bewerben über uns erhöht deine Chance, gesehen zu werden!
Wir glauben, dass du diese Fähigkeiten brauchst, um Data Engineering Intern - AI/ML Systems mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Zeig deine Datenliebe mit Projekten!:In der Datenwissenschaft ist es super wichtig, praktische Erfahrung zu zeigen. Teile einige deiner spannenden Projekte, sei es von deinem Studium oder von privaten Experimenten. Nutze GitHub oder andere Plattformen, um diese Projekte vorzustellen – das beeindruckt uns bei Enersys definitiv!
Statistiken und Methoden im Anschreiben betonen:Bei einem Praktikum in der Datenwissenschaft wollen wir sehen, dass du dich mit den Grundlagen auskennst. Betone in deinem Anschreiben deine Erfahrungen mit statistischen Methoden, Datenanalyse-Tools oder Programmiersprachen wie Python oder R. Das macht deutlich, dass du bereit bist, tiefer einzutauchen und zu lernen.
Die richtige Ausbildung anführen:Wenn du dich für ein Praktikum bewirbst, ist es wichtig, deine akademischen Leistungen zu zeigen. Füge relevante Kurse und Projekte hinzu, die sich auf Datenanalyse oder maschinelles Lernen beziehen. Das hilft uns zu sehen, dass du das notwendige Wissen mitbringst, um bei Enersys durchzustarten!
Werde kreativ im Lebenslauf!:Im Datenwissenschaftsbereich dreht sich vieles um Problemlösen und kreatives Denken. Sei also mutig und gestalte deinen Lebenslauf nicht nur informativ, sondern auch ansprechend! Hebe relevante Fähigkeiten, Tools und Erfahrungen hervor. Und vergiss nicht, dich über unsere Website zu bewerben – wir freuen uns darauf, von dir zu hören!
Wie man sich auf ein Vorstellungsgespräch bei Enersys vorbereitet
✨Bereite dein Portfolio vor!
Als Data Science Praktikant sollten wir unsere bisherigen Projekte und Erfahrungen in einem Portfolio zusammenstellen. Zeige deine Analysen, Visualisierungen oder Modelle. Das gibt den Interviewern einen konkreten Eindruck von deinen Fähigkeiten und deinem Ansatz bei der Datenanalyse.
✨Technische Fragen im Data Science Bereich
Erwarte technische Fragen zu Algorithmen und statistischen Methoden, die wir in der Praxis angewendet haben. Sei bereit, über Machine Learning-Modelle, Datenaufbereitung und deine Erfahrungen mit Programmiersprachen wie Python und R zu sprechen.
✨Motivation und Lernwille betonen
Da es sich um ein Praktikum handelt, wird oft mehr auf dein Interesse und deine Lernbereitschaft geachtet. Zeige auf, warum du in das Data Science Team bei Enersys möchtest und wie du deine Fähigkeiten weiterentwickeln willst. Ein echtes Interesse an der Materie überzeugt oft mehr als langjährige Erfahrung!
✨Fragen zur Teamarbeit und Analytics-Tools
Bereite dich darauf vor, über konkrete Situationen zu sprechen, in denen du im Team gearbeitet hast. Insbesondere in Data Science kommen oft Tools wie Jupyter Notebooks oder Tableau zum Einsatz. Wenn du damit Erfahrungen hast, bring sie zur Sprache und erläutere, wie du sie in Projekten eingesetzt hast!
