Praktikum im Bereich Entwurf, Implementierung und Evaluierung eines neuartigen Machine Learning Ansatzes zur Verhaltensprognose basierend auf LSTM und KDE ab November 2020

Gestalten Sie mit uns die Zukunft der Mobilität rund um das selbstfahrende Automobil! In unserem Center werden die Grundlagen zur Produkteinführung von selbstfahrenden Automobilen gelegt. Hierfür integrieren wir neueste Technologien und Algorithmen in unsere Fahrzeuge und Off-Board Systeme. Als Team Crowd Data & Analytics for Automated Driving bilden wir das Kompetenzzentrum für Big Data Analytics im Umfeld des automatisierten Fahrens. Unser Ziel ist dabei die Analyse der aus Pilot- und Kundenflotten gesammelten Daten zur Unterstützung des operativen Betriebs sowie zur Verbesserung aktueller Fahrerassistenzsysteme in Bezug auf Sicherheit und Komfort.

Im Rahmen dessen bieten wir Ihnen die Möglichkeit zu einem spannenden Industriepraktikum oder einer Abschlussarbeit zum Thema Entwurf, Implementierung und Evaluierung eines neuartigen Machine Learning Ansatzes zur Verhaltensprognose basierend auf LSTM und KDE. Mit Ihren Untersuchungen können Sie uns dabei unterstützen die Trajektorien umgebender Verkehrsteilnehmer noch exakter vorherzusehen. Dies spielt eine zentrale Rolle bei der automatisierten Planung geeigneter Trajektorien für das eigene Fahrzeug.

Konkret beschäftigen Sie sich dabei mit folgenden Aufgaben:


  • Aufarbeitung des Stands der Technik
  • Entwurf und Implementierung eines Verfahrens zur Verhaltensprognose umgebender Verkehrsteilnehmer
  • Untersuchung von Daten aus der Kundenflotte in Hinblick auf Integrationsmöglichkeiten in die Modelle
  • Entwurf und Umsetzung geeigneter Methoden zur Evaluierung

Die Aufgabenstellung verbindet somit praktische Bezüge mit angemessener wissenschaftlicher Tiefe und kann je nach persönlicher Neigung angepasst werden. Es ist ebenfalls möglich die Thematik im Rahmen einer Abschlussarbeit (statt Praktikum) zu bearbeiten.

Studiengang: (technischer) Informatik, Elektrotechnik, Mechatronik, naturwissenschaftlichen Fächern wie Physik/Mathematik oder vergleichbarer Fachrichtung

Sprachkenntnisse: Sichere Deutsch- und Englischkenntnisse in Wort und Schrift

IT-Kenntnisse: Sicherer Umgang mit MS-Office, Kenntnisse im Bereich Klassifikation/Machine Learning/Deep Learning, einem dazugehörigen Framework (vorzugsweise TensorFlow) sowie in der Software-Entwicklung (Vorzugsweise in Python), Erste Erfahrung im Umgang mit Unix/Linux-Systemen sind von Vorteil

Persönliche Kompetenzen: Engagement, Teamfähigkeit, analytische Denkweise, strategische Arbeitsweise

Sonstiges: Freude am wissenschaftlichen Arbeiten sowie praktischer Problemlösung, Führerschein (PKW) ist von Vorteil

Die Tätigkeit ist in Vollzeit

Ganz ohne Formalitäten geht es natürlich auch bei uns nicht. Daher bitten wir Sie sich ausschließlich online zu bewerben und Ihrer Bewerbung einen Lebenslauf, aktuelle Immatrikulationsbescheinigung mit Angabe des Fachsemesters, aktueller Notenspiegel, relevante Zeugnisse, ggf. Pflichtpraktikumsnachweis und Nachweis über die Regelstudienzeit (max. Gesamtgröße der Anhänge 6 MB) beizufügen.
Weiterführende Informationen zu den Einstellkriterien finden Sie hier.
Angehörige von Staaten außerhalb des europäischen Wirtschaftsraums schicken ggf. bitte Ihre Aufenthalts-/Arbeitsgenehmigung mit.
Wir freuen uns insbesondere über Onlinebewerbungen schwerbehinderter und ihnen gleichgestellter behinderter Menschen. Bei Fragen können Sie sich unter sbv-sindelfingen@daimler.com zudem an die Schwerbehindertenvertretung des Standorts wenden, die Sie gerne nach Ihrer Bewerbung im weiteren Bewerbungsprozess unterstützt.

Bitte haben Sie Verständnis dafür, dass wir keine Papierbewerbungen mehr entgegennehmen und es keinen Anspruch auf Rückversand gibt.

Fragen zum Bewerbungsprozess beantwortet Ihnen gerne HR Services unter der Telefonnummer +49 711/17-99544.

Verwendung von Cookies

Um die Webseite optimal gestalten und fortlaufend verbessern zu können, verwendet Daimler Cookies. Durch die weitere Nutzung der Webseite stimmen Sie der Verwendung von Cookies zu.