Data Scientist: AI, Digital Twin & Anomaly Detection in Wrocław

Data Scientist: AI, Digital Twin & Anomaly Detection in Wrocław

Wrocław Pełny etat 120150 - 146850 zł / rok (szac.) Stacjonarnie
E

W skrócie

  • Zadania: Projektuj głębokie sieci neuronowe i buduj cyfrowe bliźniaki dla przemysłu.
  • Firma: EXSO - innowacyjna firma technologiczna we Wrocławiu.
  • Benefity: Atrakcyjne wynagrodzenie, elastyczne godziny pracy i rozwój zawodowy.
  • Pozostałe informacje: Dynamiczne środowisko z możliwościami szybkiego rozwoju kariery.
  • Dlaczego ta praca: Pracuj nad przełomowymi projektami w dziedzinie AI i ML.
  • Kwalifikacje: Doświadczenie w data science i umiejętności analityczne.

Przewidywane wynagrodzenie mieści się w przedziale 120150 - 146850 zł za rok.

EXSO we Wrocławiu poszukuje doświadczonego Data Scientista do prac B+R nad projektami dla sektora przemysłowego.

Będziesz projektować głębokie sieci neuronowe do detekcji anomalii i predykcji procesów termodynamicznych oraz budować cyfrowe bliźniaki łączące prawa fizyki z ML.

Zakres obejmuje eksperymenty na zaszumionych danych sensorycznych, dbanie o stabilność modeli na żywych danych oraz rozwijanie praktycznych rozwiązań w środowisku produkcyjnym.

#J-18808-Ljbffr

Data Scientist: AI, Digital Twin & Anomaly Detection in Wrocław – pracodawca: EXSO

EXSO we Wrocławiu to doskonały pracodawca, który oferuje wyjątkowe możliwości rozwoju zawodowego w dynamicznym środowisku badawczo-rozwojowym. Nasza kultura pracy opiera się na innowacyjności i współpracy, co pozwala pracownikom na realizację ambitnych projektów związanych z AI i cyfrowymi bliźniakami. Dodatkowo, oferujemy elastyczne godziny pracy oraz dostęp do najnowszych technologii, co sprawia, że praca u nas jest nie tylko satysfakcjonująca, ale i inspirująca.

E

Dane kontaktowe:

Zespół rekrutacyjny EXSO

Naszym zdaniem te umiejętności pozwolą ci błyszczeć jako Data Scientist: AI, Digital Twin & Anomaly Detection in Wrocław

Głębokie sieci neuronowe
Detekcja anomalii
Predykcja procesów termodynamicznych
Cyfrowe bliźniaki
Uczenie maszynowe (ML)
Eksperymenty na zaszumionych danych sensorycznych
Stabilność modeli