Lehrjahr 1.527,59 Euro iPad als Unterstützung für das Studium 30 Tage Urlaub Umfangreiche Teamevents Individuelle Förderung Flexible Arbeitszeiten Tolles Betriebsklima Übernahme der Studiengebühren Zusätzlich 40 Euro vermögenswirksame Leistungen Fahrtkostenzuschuss Büchergeld 50 Euro pro Studienjahr 400 Euro Prämie bei erfolgreichem Studienabschluss Betriebsrestaurant, in dem jeden Tag frisch gekocht wird (Studenten bezahlen 4,75 Euro für eine komplette Mahlzeit inkl. Getränken).
Aktuelle Schwerpunkte der Gruppe Löttechnologie liegen unter anderem in den folgenden Bereichen: Entwicklung hochfester Fügeverbunde auf Basis innovativer Lotlegierungen auf Ni- und Fe-Basis Auftraglöten hartstoffverstärkter Verschleißschutzschichten für abrasive Beanspruchung Auftraglöten festschmierstoffhaltiger Lagermetalle für energietechnische Anlagen Entwicklung innovativer Lottapematerialien für die Verarbeitung unter Atmosphärenbedingungen Entwicklung und Optimierung neuartiger Fe-basierter amorpher Lotfolien Ihr Profil Du bist ein*e motivierte*r Student*in aus dem Bereich einer relevanten Ingenieur- oder Naturwissenschaft? Teamfähigkeit, Spaß am eigenverantwortlichen Arbeiten und Leidenschaft für technische Fragestellungen gehören zu Deiner Persönlichkeit?
Ihr Profil Der Lehrstuhl für Maschinelles Lernen auf Graphen sucht eine*n hochmotivierte*n Student*in mit guten Kenntnissen im maschinellen Lernen und einem ausgeprägten Interesse an der aktiven Weiterentwicklung einer State-of-the-Art Python Bibliothek für die angewandte Forschung im Bereich maschinelles Lernen auf Graphen.
Aktuelle Schwerpunkte der Gruppe Löttechnologie liegen unter anderem in den folgenden Bereichen: Entwicklung hochfester Fügeverbunde auf Basis innovativer Lotlegierungen auf Ni- und Fe-Basis Auftraglöten hartstoffverstärkter Verschleißschutzschichten für abrasive Beanspruchung Auftraglöten festschmierstoffhaltiger Lagermetalle für energietechnische Anlagen Entwicklung innovativer Lottapematerialien für die Verarbeitung unter Atmosphärenbedingungen Entwicklung und Optimierung neuartiger Fe-basierter amorpher Lotfolien Ihr Profil Du bist ein*e motivierte*r Student*in aus dem Bereich einer relevanten Ingenieur- oder Naturwissenschaft? Teamfähigkeit, Spaß am eigenverantwortlichen Arbeiten und Leidenschaft für technische Fragestellungen gehören zu Deiner Persönlichkeit?
Ihr Profil Der Lehrstuhl für Maschinelles Lernen auf Graphen sucht eine*n hochmotivierte*n Student*in mit guten Kenntnissen im maschinellen Lernen und einem ausgeprägten Interesse an der aktiven Weiterentwicklung einer State-of-the-Art Python Bibliothek für die angewandte Forschung im Bereich maschinelles Lernen auf Graphen.
Anbieter Studienberatung und Prüfungsmanagement Unser Profil Unser engagiertes Team im Studienmanagement der Fakultät für Wirtschaftswissenschaften ist u.a. für einen möglichst reibungslosen Ablauf im Student Life Cycle verantwortlich.Wir arbeiten an der Schnittstelle zwischen Studierenden, Lehrenden und Verwaltung - strukturiert, lösungsorientiert und immer mit Blick auf die stetige Weiterentwicklung unserer Prozesse.
Ihr Profil Der Lehrstuhl für Maschinelles Lernen auf Graphen sucht eine/n hochmotivierte/n Student/in mit fundierten Kenntnissen im maschinellen Lernen und einem ausgeprägten Interesse eine State-of-the-Art Python Bibliothek für angewandte Forschung im Bereich maschinelles Lernen auf Graphen aktiv weiterzuentwickeln.
Anbieter Studienberatung und Prüfungsmanagement Unser Profil Unser engagiertes Team im Studienmanagement der Fakultät für Wirtschaftswissenschaften ist u.a. für einen möglichst reibungslosen Ablauf im Student Life Cycle verantwortlich.Wir arbeiten an der Schnittstelle zwischen Studierenden, Lehrenden und Verwaltung - strukturiert, lösungsorientiert und immer mit Blick auf die stetige Weiterentwicklung unserer Prozesse.
Ihr Profil Der Lehrstuhl für Maschinelles Lernen auf Graphen sucht eine/n hochmotivierte/n Student/in mit fundierten Kenntnissen im maschinellen Lernen und einem ausgeprägten Interesse eine State-of-the-Art Python Bibliothek für angewandte Forschung im Bereich maschinelles Lernen auf Graphen aktiv weiterzuentwickeln.