HENSOLDT ist ein führendes Unternehmen der europäischen Verteidigungsindustrie mit globaler Reichweite. Das Unternehmen mit Sitz in Taufkirchen bei München entwickelt Sensor-Komplettlösungen für Verteidigungs- und Sicherheitsanwendungen.

Als Technologieführer treibt HENSOLDT die Entwicklung der Verteidigungselektronik und Optronik voran und baut sein Portfolio auf der Grundlage innovativer Ansätze für Datenmanagement, Robotik und Cybersicherheit kontinuierlich aus.

Unsere Produkte sind einsetzbar in den Bereichen Space, Air, Land, Sea, Security, Cyber & Information Space.

2023 erzielte HENSOLDT einen Umsatz von 1,85 Milliarden Euro. Nach der Übernahme der ESG GmbH beschäftigt das Unternehmen circa 8.500 Mitarbeiter. HENSOLDT ist an der Frankfurter Wertpapierbörse im MDAX notiert.

Sie sind Student eines naturwissenschaftlichen Studiengangs und streben eine interessante Abschlussarbeit in der Industrie an?

Sie arbeiten eigenständig und mit hoher Eigenmotivation? Im CTO-Team der HENSOLDT Sensors GmbH am Standort Ulm suchen wir einen engagierten Studenten (w/m/d) für die Analyse und Anwendung von maschinellen Lernverfahren zur Simulation fotorealistischer Bilddaten im visuell-optischen und infraroten Spektrum. Im Fokus stehen dabei Verfahren des Deep Learning, die aus realen Trainingsdaten lernen, und simulierte Texturen fotorealistisch aussehen zu lassen. Im Rahmen Ihrer Tätigkeit bei uns arbeiten Sie mit Videodaten modernster Sensoren in enger Zusammenarbeit mit dem Entwicklungsteam. Dabei bewegen Sie sich nahe am Stand der Technik im Bereich der fotorealistischen Simulation von Bilddaten und ggf. darüber hinaus. Wir freuen uns auf Ihre Bewerbung!

Masterand im Bereich Maschinelles Lernen (w/m/d)

Ihre Aufgaben

• Analyse des aktuellen Standes der Technik für Deep-Learning-basierte Verfahren zur fotorealistischen Simulation von Bilddaten
• Nutzbarmachung und Weiterentwicklung vielversprechender Verfahren
• Erzeugung und Analyse von Trainingsdatenmengen, die aus realen und simulierten Daten (z. B. Unigine, Unreal) bestehen
• Implementierung, Anpassung und Optimierung geeigneter Verfahren in Python bzw. C/C++ sowie mit PyTorch bzw. TensorFlow
• Evaluation und Vergleich der entwickelten Verfahren mit dem Stand der Technik
• Dokumentation der Ergebnisse

Ihr Profil

• Immatrikulierter Student (w/m/d) der Informatik, Elektrotechnik, Maschinenbau, Mathematik oder eines ähnlichen Studienfaches
• Abgeschlossenes Grundstudium oder Bachelorstudium
• Gute Programmierkenntnisse in Python und/oder C/C++
• Grundkenntnisse in Deep Learning Frameworks wie PyTorch oder TensorFlow sind wünschenswert
• Grundkenntnisse in den Bereichen Bildverarbeitung (Computer Vision) und Maschinelles Lernen sind wünschenswert
• Fundierte Deutsch- und Englischkenntnisse

Freuen Sie sich auf

• Arbeiten an außergewöhnlichen High-Tech Produkten an den Grenzen der Physik
• Attraktive Vergütung
• Flexible Arbeitszeit- und Arbeitsplatzmodelle
• Mobilitätsangebote
• Gesundheitsförderung und Verpflegungsmöglichkeiten

Sie wollen Teil eines zukunftsorientierten Unternehmens werden? Und sind bereit Verantwortung in spannenden internationalen und nationalen Projekten zu übernehmen? Dann sind Sie unser*e Kandidat*in!

Gestalten Sie Ihre Zukunft mit uns! Wir freuen uns auf Sie!

Bewerben Sie sich bitte ausschließlich online über unser Karriereportal mit Ihrem Lebenslauf, Ihren Zeugnissen und Ihrer Immatrikulationsbescheinigung.

Wir möchten unseren Bewerbungsprozess möglichst schlank gestalten und verzichten daher auf ein Anschreiben.

JETZT BEWERBEN

Für Fragen steht Ihnen unser Recruiting-Team gerne zur Verfügung:

Frau Alexandra Nusser (Praktika, Werkstudenten und Abschlussarbeiten)

E-Mail: [email protected]

Weitere Stellen finden Sie auf unserer Website unter www.hensoldt.net/career.

Entdecken Sie mehr über unsere Benefits „ HIER“.

HENSOLDT engagiert sich für Vielfalt und eine integrierende Firmenkultur. Deshalb freuen wir uns auf alle Bewerbungen unabhängig von ethnischer Herkunft, Alter, Geschlecht, Behinderung, sexueller Identität, Weltanschauung oder Religion.