Catalysis AI Scientist: Data-Driven Materials Research in Kraków

Catalysis AI Scientist: Data-Driven Materials Research in Kraków

Kraków Pełny etat 56250 - 68750 zł / rok (szac.) Stacjonarnie
T

W skrócie

  • Zadania: Łącz eksperymenty katalityczne z analizą danych i modelowaniem.
  • Firma: Topsoe - lider w badaniach R&D z innowacyjnym podejściem.
  • Benefity: Atrakcyjne wynagrodzenie, możliwości rozwoju zawodowego i praca w zespole ekspertów.
  • Pozostałe informacje: Dynamiczne środowisko z szansami na rozwój kariery.
  • Dlaczego ta praca: Pracuj nad przełomowymi projektami i wpływaj na rozwój technologii.
  • Kwalifikacje: Doktorat oraz doświadczenie w analizie danych i metodach AI.

Przewidywane wynagrodzenie mieści się w przedziale 56250 - 68750 zł za rok.

Zespół R&D Eksperymentalnych Topsoe poszukuje badacza na poziomie doktoranckim, który połączy eksperymenty katalityczne z analizą danych i modelowaniem, przekształcając wyniki w decyzje rozwojowe oparte na dowodach. Będziesz pracować w obszarze R&D Eksperymentalnego i Front-End, łącząc dane laboratoryjne, wyniki charakteryzacji oraz spostrzeżenia mechanistyczne w celu prowadzenia optymalizacji katalizatorów.

Rola kładzie nacisk na zastosowanie analizy opartej na Pythonie, metod AI i ML oraz bliską współpracę z ekspertami w dziedzinie w celu zaprojektowania informacyjnych eksperymentów.

Catalysis AI Scientist: Data-Driven Materials Research in Kraków – pracodawca: Topsoe

Topsoe oferuje pracownikom możliwość pracy w dynamicznym środowisku badawczym, gdzie innowacje i rozwój są na porządku dziennym. Pracownicy mają dostęp do zaawansowanych narzędzi analitycznych oraz możliwości współpracy z ekspertami w dziedzinie katalizy i materiałów. Firma stawia na rozwój zawodowy, oferując różnorodne projekty badawcze, które pozwalają na zdobywanie nowych umiejętności i doświadczeń.

T

Dane kontaktowe:

Zespół rekrutacyjny Topsoe

Naszym zdaniem te umiejętności pozwolą ci błyszczeć jako Catalysis AI Scientist: Data-Driven Materials Research in Kraków

Analiza danych
Modelowanie
Optymalizacja katalizatorów
Eksperymenty laboratoryjne
Wyniki charakteryzacji
Wnikliwość mechanistyczna
Analiza oparta na Pythonie