. • Modellentwicklung: Gestaltung und Weiterentwicklung der modellbasierten Massenermittlung mit RIB iTWO. • Ausschreibungsstandards: Weiterentwicklung der Standards für die Ausschreibung von Nachunternehmerleistungen auf Basis

in einem quantitativen Fach wie Mathematik, Statistik, Informatik oder einem verwandten Bereich • Erfahrung in der Modellentwicklung, statistischen Modellierung und im Risikomanagement • Kenntnisse relevanter Vorschriften

beinhalten: • optische Simulation und Bewertung • Datenmanagement • Analyse von Fertigungsdaten • Modellentwicklung zur Vorhersage kritischer Entscheidungsgrößen • Codeentwicklung für Einsatz in einer produktiven

mit naturwissenschaftlicher Ausrichtung, z. B. Mathematik oder Physik • Mehrjährige Berufserfahrung im Risikomanagement für Kreditrisiko oder in der quantitativen Modellentwicklung sowie Kenntnisse der Banken-Regulatorik wünschenswert

. Dies beinhaltet insbesondere Forschungstätigkeiten im Bereich der numerischen Methoden und Modellentwicklung für Wasserstoffanwendungen. Damit sind verbunden:Administrative Betreuung der Projekte und Projektmitarbeiter*innen sowie

• Theoretische Überlegung und Modellentwicklung, Auswertung von Bestandsdaten, Untersuchung möglicher Korrelationen zwischen papier-spezifischen Kennwerten und den mechanischen Eigenschaften des Papiers beim Falzprozess

. Spezialist Transiente Performance (w/m/d) Referenznummer: 25971 • Sie verantworten die Datenhaltung und Modellentwicklung für elektromagnetische Transienten-Simulationen und führen Studien zur Bewertung der Umrichterstabilität

, Feature Engineering, Modellentwicklung und Test • Evaluation des entwickelten Lösungsansatzes mittels eines Testaufbaus im Labor • Studium der Fachrichtung Mechatronik, Elektrotechnik, Informatik

für Wasserstofftechnologien. Dies beinhaltet insbesondere Forschungstätigkeiten im Bereich der numerischen Methoden und Modellentwicklung für Wasserstoffanwendungen. Damit sind verbunden: • Administrative Betreuung der Projekte

, die den späteren Erfolg bestimmen.Deine AufgabenArchitektonische Führung & Modellentwicklung • Du leitest das Design modernster Machine-Learning-Modelle, insbesondere in den Bereichen Computer Vision und Sensorfusion. • Du definierst

für medizinische DatenDein ProfilNotwendige Fähigkeiten • Fundierte Programmierkenntnisse in Python und relevanten wissenschaftlichen Bibliotheken • Erfahrung mit dem PyTorch-Framework für die Modellentwicklung und das Training

-Engineering und die Modellentwicklung zu optimieren und nahtlos in die Produktionsumgebung zu integrieren • Gestalte Systeme zur Leistungsüberwachung und Fehlerbehebung in Produktions-ML-Modellen, um höchste Zuverlässigkeit

-Engineering und die Modellentwicklung zu optimieren und nahtlos in die Produktionsumgebung zu integrieren • Gestalte Systeme zur Leistungsüberwachung und Fehlerbehebung in Produktions-ML-Modellen, um höchste Zuverlässigkeit

-Engineering und die Modellentwicklung zu optimieren und nahtlos in die Produktionsumgebung zu integrieren • Gestalte Systeme zur Leistungsüberwachung und Fehlerbehebung in Produktions-ML-Modellen, um höchste Zuverlässigkeit

-Engineering und die Modellentwicklung zu optimieren und nahtlos in die Produktionsumgebung zu integrieren • Gestalte Systeme zur Leistungsüberwachung und Fehlerbehebung in Produktions-ML-Modellen, um höchste Zuverlässigkeit

in der kommunikativen Vermittlung analytischer Ergebnisse an Fachbereiche wie Pricing, Produktmanagement und Controlling.Hauptaufgaben: • Modellentwicklung: Entwurf, Aufbau, Validierung, Implementierung und Überwachung von Machine-Learning

• Entwicklung des Feinkonzepts der Simulation sowie Erstellung von Pflichtenheften im Rahmen der Produktentwicklung • Aktive Mitwirkung bei der Modellentwicklung und -implementierung • Erstellung, Durchführung und Validierung

sowie Erstellung von Pflichtenheften im Rahmen der Produktentwicklung • Aktive Mitwirkung bei der Modellentwicklung und -implementierung • Erstellung, Durchführung und Validierung von Simulationstests sowie Freigabe

Datenmengen • Modellentwicklung: Entwicklung, Implementierung und Optimierung von Machine-Learning- und Deep-Learning-Modellen • Erkenntnisse schaffen: Durchführung von Datenanalysen und Ableitung fundierter

/3rd Line), z.B. in den Bereichen Modellentwicklung, Modellrisikomanagement / Validierung, Kredit-, Markt-, Liquiditätsrisiko, Operationelles Risiko, Risikodatenmanagement, Gesamtbankrisikosteuerung, ESG oder Stresstesting