ML Internship: Deep Learning for Causal Inference

Ethon wurde gegründet, um das Problem der Billionen-Dollar-Verschwendung in der Fertigung zu beseitigen. Wir sind der Technologieführer im Bereich Industrial AI und entwickeln agentische Workflows, die Herstellern helfen, Kosten, Qualität und Geschwindigkeit der Produktion zu optimieren. Wir sind ein schnell wachsendes Team, das massive Auswirkungen in einer der größten und am wenigsten bedienten Branchen der Welt erzielt. Wir bedienen die weltweit führenden Hersteller, von Siemens und Bosch bis hin zu Lindt und Roche, die uns vertrauen, um ihre Fabriken besser laufen zu lassen. Unser Team setzt sich aus Experten von Google, Meta, Palantir, MBB und führenden Fertigungsunternehmen zusammen, die alle aus demselben Grund hier sind: den Herstellern die Technologie zu geben, um jede Fabrik mit beispielloser Produktivität zu betreiben.

Was ist dieses Praktikum? Wir suchen einen Praktikanten im Bereich maschinelles Lernen mit starken Ingenieursfähigkeiten und dem Antrieb, ehrgeizige Ideen in solide, funktionierende Prototypen umzusetzen. In diesem Praktikum werden Sie an der Schnittstelle zwischen modernem Deep Learning und industriellen Anwendungen wie der Ursachenanalyse (RCA) arbeiten. Ihre Mission besteht darin, zu erkunden, wie Deep Learning genutzt werden kann, um kausale Strukturen und Treiber von Variationen direkt aus Fabrikdaten abzuleiten.

Konkrete Aufgaben:

• Untersuchung moderner Deep-Learning-Ansätze für kausale Inferenz auf tabellarischen Daten und Bewertung, welche Richtungen für industrielle Anwendungen am vielversprechendsten sind.
• Entwicklung von Ansätzen, die tabellarische Signale (Sensorablesungen, Prozessparameter, Qualitätsmessungen) und kontextuelle Informationen in natürlicher Sprache (Sensornamen, Anlagenhierarchien, Prozessbeschreibungen, andere Fabrikmetadaten) gemeinsam nutzen, um die kausale Entdeckung und Ursachenanalyse zu verbessern.
• Aufbau der experimentellen und Benchmarking-Infrastruktur, die erforderlich ist, um Ihre Prototypen mit etablierten Baselines zur kausalen Entdeckung zu vergleichen, sowohl auf öffentlichen Datensätzen als auch auf anonymisierten realen Fertigungsdaten.
• Enger Austausch mit unseren ML-Wissenschaftlern und Ingenieuren, um den Weg vom Prototypen zu einer Komponente zu gestalten, die unseren Analyse-Stack erweitern könnte.

Was benötigen Sie, um in dieser Rolle erfolgreich zu sein?

Must-Haves:

• Derzeit im Studium (oder kürzlich abgeschlossen) eines BSc oder MSc in Informatik, Data Science, Maschinellem Lernen, Mathematik, Statistik oder einem verwandten Bereich.
• Solide Software-Engineering-Fähigkeiten in Python. Dieses Praktikum umfasst den Aufbau nicht trivialer Trainingspipelines, Simulationscode und Benchmarking-Infrastruktur von Grund auf. Subtile Fehler in diesem Code können die Ergebnisse wochenlang beeinträchtigen, daher ist die Qualität des Codes von entscheidender Bedeutung.
• Gutes Verständnis der Grundlagen des maschinellen Lernens und Vertrautheit mit dem modernen ML-Stack (PyTorch oder JAX), mit praktischer Erfahrung im Deep Learning über das Studium hinaus.
• Exzellente Kommunikationsfähigkeiten in gesprochenem und geschriebenem Englisch.
• Verfügbar, um im Juni für mindestens 6 Monate zu beginnen (länger ist möglich).
• Starke Motivation, in einem dynamischen und schnelllebigen Umfeld zu arbeiten und eine Idee bis zum funktionierenden Prototypen zu bringen.

Bonus:

• Erfahrung mit Deep Learning für strukturierte / tabellarische / Zeitreihendaten (z.B. TabPFN, TabICL, FT-Transformer, TabNet oder ähnliches).
• Hintergrund in kausaler Inferenz oder kausaler Entdeckung (z.B. PC, GES, NOTEARS, LiNGAM, DoWhy, score-basierte oder diffusionsbasierte Ansätze).
• Erfahrung mit graphbasierten neuronalen Netzen oder strukturierter Vorhersage.
• Erfahrung in der Kombination von textuellen / semantischen Informationen mit numerischen Daten (z.B. über LLM-Embeddings, Retrieval oder multimodale Architekturen).
• Hintergrund in klassischer statistischer Modellierung, bayesianischer Inferenz oder probabilistischer Programmierung.
• Erfahrung mit Zeitreihendaten aus industriellen oder physikalischen Systemen.
• Solide Open-Source-Beiträge oder Nebenprojekte, die die oben genannte Codierungsqualität demonstrieren.

Warum ist EthonAI der richtige Ort für Sie? Wir arbeiten nicht nur zusammen. Wir beschleunigen das berufliche und persönliche Wachstum des Einzelnen. Kommen Sie und bringen Sie Ihre Ingenieurskarriere auf die nächste Stufe, an der Spitze der industriellen Innovation!

Zusätzlich bieten wir für dieses Praktikum:

• Direkte Mentorship von unserem ML-Wissenschaftler- und Ingenieurteam.
• Ein gut definiertes, ehrgeiziges Problem mit Raum, um die Lösung selbst zu gestalten.
• Arbeiten vor Ort in einem modernen Büro im Zentrum von Zürich, mit Möglichkeiten für flexible Arbeitszeiten.