Werkstudent (m/w/d) – Machine Learning Automated Driving

ARRK Engineering ist Teil des internationalen ARRK Firmenverbundes undspezialisiert auf die Produktentwicklung. Innerhalb der ARRK-Firmengruppesetzen wir Produktentwicklungen von der virtuellen Entwicklung bis hin zumPrototypen und der Produktion in Kleinserien um.

Im Bereich Automatisiertes Fahren erwartet Sie eine innovative und zukunftsorientierte Arbeitsumgebung, in der Sie aktiv an der Entwicklung und Verbesserung modernster autonomer Fahrsysteme mitwirken. Sie werden Teil eines dynamischen Teams von Experten, das eng zusammenarbeitet, um fortschrittliche Machine-Learning-Modelle zu entwickeln und zu implementieren.

• Unterstützung bei der Entwicklung und Implementierung von Machine-Learning-Modellen zur Verbesserung von autonomen Fahrsystemen
• Analyse von Datensätzen aus Fahrzeugsensoren (Kameras, LiDAR, Radar) zur Erkennung und Vorhersage von Verkehrssituationen
• Zusammenarbeit mit Softwareentwicklern und Systemingenieuren zur Integration von Machine-Learning-Lösungen in unsere autonomen Fahrsysteme
• Teilnahme an der Erstellung und Pflege von technischen Dokumentationen und Berichten
• Hybrides Arbeiten im Home Office und an unserem Standort in München Unterschleißheim möglich

• Studium in Informatik, Mathematik, Elektrotechnik oder einem verwandten Fachgebiet
• Kenntnisse in den Bereichen Machine Learning, Deep Learning und Künstliche Intelligenz
• Erfahrung mit Frameworks wie TensorFlow, PyTorch, Keras oder ähnlichen
• Kenntnisse in der Verarbeitung und Analyse von Sensordaten wünschenswert
• Programmierkenntnisse in Python, C++ und/oder anderen relevanten Programmiersprachen
• Ausgeprägte Problemlösungsfähigkeiten und analytisches Denken
• Eigenständige und strukturierte Arbeitsweise
• Teamfähigkeit und gute Kommunikationsfähigkeiten
• Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift

• Spannende Projekte
• Flexible Zeiteinteilung
• Mitarbeiter-Events
• Attraktive Vergütung
• Angenehmes Betriebsklima
• Studenten-
  bindungs-
  programm