Praktikum – Experimentelle Datenwissenschaft für Gassensorik und Zeitreihenanalyse

Über die Mehrwertsteuergruppe
Bei VAT verändern wir die Welt mit Vakuumlösungen. Als weltweit führender Anbieter von Hochleistungs-Vakuumventilen treiben wir seit mehr als 60 Jahren Innovationen voran. Mit über 3.200 Mitarbeitern weltweit operieren wir von unserem Hauptsitz in Haag, Schweiz, mit Produktionsstandorten in der Schweiz, Malaysia und Rumänien sowie Vertriebs- und Servicezentren auf der ganzen Welt. Wir lassen uns von unseren Leidenschaften Integrität, Teamarbeit, Kundenorientierung und Innovation leiten und arbeiten stets als #oneVAT zusammen. Wenn Sie sich uns anschließen, werden Sie Teil eines leidenschaftlichen, internationalen Teams, in dem Ihre Stimme gehört wird, Ihre Ideen wichtig sind und Ihr berufliches Wachstum unterstützt wird. Praktikum – Experimentelle Datenwissenschaft für Gassensorik und Zeitreihenanalyse
Ihre Herausforderung:
Unsere Produkte sind Schlüsselkomponenten in Halbleiterverarbeitungsanlagen weltweit. Um die Entwicklung intelligenter Vakuumsysteme zu unterstützen, suchen wir einen Praktikanten, der praktisches Experimentieren mit Datenwissenschaft und maschinellem Lernen verbinden möchte. Während Ihres Praktikums untersuchen Sie die Gasdynamik in einer Vakuumprozesskammer mithilfe fortschrittlicher Sensortechnologien. Sie tragen zum gesamten Entwicklungszyklus bei, einschließlich experimenteller Planung, Datenerfassung, Vorverarbeitung, Feature-Engineering, Zeitreihenmodellierung und Modellvalidierung. Zu Ihren Aufgaben gehören:
Machen Sie sich mit Vakuumtechnik, Gasdynamik, Prozesskammern und Sensorsystemen vertraut. Unterstützen Sie den Aufbau und die Durchführung von Experimenten in unserem Vakuumtestlabor. Planen Sie Experimente mithilfe eines strukturierten Design-of-Experiment-Ansatzes. Sammeln und organisieren Sie multivariate Zeitreihendaten aus verschiedenen Sensortechnologien. Entwickeln Sie Datenvorverarbeitungs-Workflows für Synchronisierung, Filterung, Segmentierung, Ausreißerbehandlung und Datenqualitätsbewertung. Erkunden Sie die Beziehungen zwischen Sensorsignalen, Gaseigenschaften und Prozessbedingungen. Entwickeln und vergleichen Sie datengesteuerte Methoden für:
Merkmalsextraktion
Klassifizierung von Gas- oder Prozessbedingungen
Vorhersage und Regression
Prozessüberwachung
Erkennung von Ereignissen oder Anomalien
Validieren Sie die entwickelten Methoden anhand unabhängiger Experimente und verschiedener Betriebsbedingungen. Dokumentieren Sie experimentelle Verfahren, Datensätze, Modellierungsmethoden, Ergebnisse und Einschränkungen. Präsentieren Sie Ingenieuren und Forschern Ihre Erkenntnisse und mögliche nächste Schritte. Ihre Kompetenzen:
Derzeit strebe ich einen MSc-Abschluss in Datenwissenschaft, maschinellem Lernen, Physik, Mathematik, Maschinenbau, Elektrotechnik, Chemieingenieurwesen, Regelungstechnik, Mechatronik oder einem verwandten Bereich an. Grundkenntnisse in Datenanalyse, Statistik, Signalverarbeitung oder maschinellem Lernen. Programmiererfahrung in Python oder MATLAB. Interesse an der Kombination experimenteller Arbeit mit datengesteuerter Modellierung. Bereitschaft zur praktischen Arbeit mit Vakuumgeräten, Sensoren und Datenerfassungssystemen. Systematisches Denken und Begeisterung für die Entwicklung innovativer technischer Lösungen. Fähigkeit, unabhängig zu lernen und in einer multidisziplinären Forschungs- und Entwicklungsumgebung zusammenzuarbeiten. Gutes Englisch in Wort und Schrift. Zusätzliche Erfahrung ist von Vorteil:
Erfahrung mit Zeitreihendaten, Signalverarbeitung oder Sensordatenanalyse. Vertrautheit mit scikit-learn, PyTorch, TensorFlow, MATLAB oder ähnlichen Tools. Erfahrung mit Versuchsplanung oder Labormessungen. Kenntnisse in Feature Engineering, Modellvalidierung oder Unsicherheitsschätzung. Interesse an Vakuumtechnologie, Gassensorik, Prozesssteuerung oder Halbleiterfertigung. Was Sie lernen werden:
Praktische Erfahrung mit Vakuumsystemen und fortschrittlichen Sensortechnologien. Experimental design and systematic data collection. Preprocessing and analysis of large multichannel sensor datasets. Time-series machine learning for real physical systems. Validation of data-driven models through laboratory experiments. Application knowledge in gas sensing and semiconductor equipment. Suisse 9469 Haag Seelistrasse 1