Auf einen Blick
Entwickeln Sie Machine-Learning-Kompensations-Modelle für Präzisions-Inertial-Sensoren. Validieren Sie Modelle über mehrere Bedingungen und bestimmen Sie, wo ML realen Wert bietet.
💰 ~€100.000–160.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🌍 Vor Ort
🗺️ EMEA
- Angewandte ML-Erfahrung
- Time-Series und Regression-Kenntnisse
- Python oder MATLAB-Programmierung
- Physik- und Signal-Processing-Wissen
Machine Learning
Python
Signal Processing
C++
Gehalt geschätzt anhand Senior Applied ML Engineer, Schweiz. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- ML-Engineers mit Sensor/Instrumentierungs-Erfahrung
- Physik-orientierte Datenwissenschaftler
- Applied ML Spezialisten
🚫 Weniger geeignet
- Anfänger ohne angewandte ML-Erfahrung
- Kandidaten ohne Verständnis für physikalische Systeme
- Reine Deep-Learning-Forscher
💡 Gut zu wissen
- Angewandte ML mit physikalischem Fokus
- Rigorose Validierung ist erforderlich
- C++ Fähigkeiten sind hocherwünscht
- Zürich-basierte Position
Über das Unternehmen
Destinus entwickelt Präzisions-Inertial-Sensoren und andere hochmoderne Avionik-Systeme für autonome Luftfahrzeuge. Das Applied ML Team arbeitet an ML-Kompensations-Modellen und sensor-Kalibrierungs-Optimierung.
Deine Aufgaben
- Eigenverantwortung für die Untersuchung von Residual-Sensor-Fehler-Vorhersage mit Machine Learning
- Erstellung von gelernten Kompensations-Modellen
- Benchmark gelernter Ansätze gegen starke klassische Baselines
- Bestimmung, wo ML messbaren Wert liefert
- Definition rigoroser Validierungs-Protokolle über unsichtbare thermale Profile
- Bestimmung der Observierbarkeits-Grenze
- Identifizierung, welche Fehler vorhersagbar sind und welche nicht
- Training und Evaluierung von Modellen offline
- Zusammenarbeit mit FPGA- und DSP-Ingenieuren zur Modell-Deployment
- Klare Kommunikation von Ergebnissen, auch wenn klassische Ansätze besser sind
Deine Voraussetzungen
- B.Sc., M.Sc. oder PhD in Informatik, Angewandter Mathematik, Angewandter Physik, Machine Learning oder verwandtem technischen Bereich
- Starke angewandte Machine-Learning-Erfahrung mit Zeit-Serie, Regression, Sensor- oder Instrumentierungs-Daten
- Starke Python oder MATLAB Fähigkeiten
- Erfahrung mit PyTorch, scikit-learn oder gleichwertigen Modellierungs-Frameworks
- Effektive Arbeit mit bescheidenen, hochgradigen Datensätzen
- Starkes Verständnis von Modell-Validierung und Generalisation
- Physik und Signal-Processing-Wissen zum Herausfordern von Erkenntnissen
- C/C++ Fähigkeiten sind hocherwünscht
- Erfahrung mit Sensor-Kalibrierung oder ähnlichen physikalischen Messsystemen ist von Vorteil
- Erfahrung mit Modell-Deployment auf eingebettete oder ressourcenbeschränkte Ziele ist von Vorteil
- Luft fahrt-, Verteidigungs- oder Robotik-Erfahrung ist von Vorteil
