Intern – ML for Computational Fluid Dynamics

Zürich | Zurich | Switzerland • On-site • Entry • 7 days ago
Data Science ki
Auf einen Blick

Entwickle Machine-Learning-Algorithmen zur Optimierung von CFD-Aero-Design-Spaces. Du forschst Bayesian Optimization und Gaussian Processes mit Ownership vom Konzept bis zum produktiven Deployment.

📊 Entry-Level 🕒 Praktikum 🌍 Vor Ort 🗺️ EMEA
  • Gaussian Processes und Bayesian Optimization
  • Python für git-basierte Repositories
  • Mathematische Optimierungs-Konzepte
  • Mindestens 5 Monate Verfügbarkeit
Machine Learning Gaussian Processes Bayesian Optimization Python CFD Numerical Optimization
✅ Geeignet für
  • Master's Students mit ML-Fokus
  • PhD-Candidates in Aerodynamics oder Optimization
  • Research-oriented Engineers
🚫 Weniger geeignet
  • Berufserfahrene ohne Forschungs-Interesse
  • Rollen mit Sofort-Impact-Anforderungen
  • Kandidaten mit <5 Monaten verfügbarer Zeit
💡 Gut zu wissen
  • Practicum ohne Gehalt oder minimal; Forschungs-Fokus statt Produktion
  • Schweizer Standort; 5-Monats-Commitment ist zwingend
  • Edge-Technology: erwarten Sie schnelle Iteration und Lernen-by-Doing

Über das Unternehmen

Destinus ist ein Luft- und Raumfahrt-Unternehmen mit Fokus auf UAV-Design und -Optimierung mittels Machine Learning und Computational Fluid Dynamics.

Deine Aufgaben

  • Zusammenarbeit zwischen Aerodynamik- und ML-Teams zur CFD-Verbesserung
  • Forschung und Entwicklung von ML- und numerischen Optimierungs-Algorithmen
  • Bewertung von Ideen auf realen Testfällen und Analyse von Ergebnissen
  • Implementierung und Deployment von Algorithmen in der Design-Pipeline
  • Dokumentation von Ergebnissen und Präsentation von Erkenntnissen

Deine Voraussetzungen

  • Vertrautheit mit Gaussian Processes und Bayesian Optimization
  • Hands-on Erfahrung mit Python-Code in gemeinsamen Repositories (git, Code Reviews, CI)
  • Kenntnisse mathematischer Optimierungs-Konzepte (convex, non-linear programming)
  • Ownership-Mentality: von Konzept bis zur finalen Implementierung
  • Erfahrung mit CFD, Large-Scale Simulationen oder ML ist ein Plus
  • Mindestens 5 Monate verfügbare Zeit erforderlich

Benefits

  • Forschungs- und Entwicklungs-Fokus auf Edge-Technology
  • Zusammenarbeit mit World-Class Aerodynamics Teams