devjobs.de

IT-Konfigurationskoordinator

MAN Energy Solutions · Augsburg | Deutschland · Onsite

Gehalt auf Anfrage

Gefunden am 01.06.2026

Match

84%

Fit in Skills, Kultur und Entwicklungspfad.

Beschreibung

Job Zusammenfassung In dieser Rolle recherchierst und implementierst du Unsupervised-Machine-Learning-Methoden zur Anomaliedetektion in Zeitreihen, arbeitest mit realen Betriebsdaten und vergleichst die Ergebnisse systematisch. Job Zusammenfassung In dieser Rolle recherchierst und implementierst du Unsupervised-Machine-Learning-Methoden zur Anomaliedetektion in Zeitreihen, arbeitest mit realen Betriebsdaten und vergleichst die Ergebnisse systematisch. Deine Rolle im Team Recherchieren und Bewerten von Unsupervised-Machine-Learning-Methoden für Anomaliedetektion in Zeitreihen. Implementierung, Training und Testing der gewählten Ansätze an realen Betriebsdaten von Kundenanlagen. Systematische Auswertung und Vergleich der Ergebnisse zueinander und zu bestehenden Inhouse-Modellen. Unsere Erwartungen an dich Ausbildung Studium Informatik, Technische Informatik, Ingenieurwissenschaften oder vergleichbar. Qualifikationen Gute Kenntnisse im Bereich Machine-Learning. Erfahrung Sicherer Umgang mit Python (Erfahrung mit mindestens einer Machine-Learning Library wünschenswert). Unser Angebot Kantine, Essenszulage, Barrierefreiheit, betriebliches Gesundheitsmanagement, Betriebsarzt, Fitnessraum, Parkplatz, gute Verkehrsanbindung, Mitarbeiterrabatte, Studentennetzwerk, Frauennetzwerk. Benefits Work-Life-Integration 🍼 Kinderbetreuung 🅿️ Mitarbeiterparkplatz Essen & Trinken 🥘 Essenszulage Gesundheit, Fitness & Fun 👩‍⚕️ Betriebsarzt ♿️ Barrierefreiheit Themen mit denen du dich im Job beschäftigst Machine Learning Metadaten Level: Erfahren Job Feld: Data Anstellung: Vollzeit Vertragsart: Praktikum / Schulpraktikum Arbeitsmodell: Onsite Unternehmenstyp: Etablierte Firma Branche: Maschinenbau, Anlagenbau Ort: Augsburg | Deutschland

Tech Stack

Python

Warum passt du zu dieser Stelle?

Fit technisch: Stark auf Backend und API-Architektur.

Gaps: Fehlende Tool-Erfahrung in 1-2 Schlüsselbereichen.

Success-Wahrscheinlichkeit: Hoch bei schneller Einarbeitung.