Master Thesis in Data Science: Inhaltsbezogene Datenkomprimierung für Distributed Acoustic Sensing

• Entwickle eine inhaltbezogene Datenkomprimierungsmethode für Distributed Acoustic Sensing (DAS)-Daten, die sich dynamisch an die Eigenschaften des Signals anpasst, um die Datenreduktion zu maximieren und gleichzeitig die für nachgelagerte Machine-Learning-Aufgaben (ML) erforderlichen wesentlichen Informationen erhält.
• Bewertung der entwickelten Methode anhand von Benchmark-DAS-Datensätzen, die verschiedene Ereignisse und Aktivitäten enthalten.
• Training und Validierung von ML-Modellen für die Ereignisklassifizierung unter Verwendung der dekomprimierten Daten.

Integration eines funktionierenden Software-Prototyps in die Datenextraktionspipeline von AP Sensing, der cloudbasierte Speicherung und Übertragung unterstützt.

• Du bist ein Masterstudent (m/w/d) und suchst ein Unternehmen für deine Masterarbeit.
• Du interessierst dich für das Thema: "Inhaltsbezogene Datenkomprimierung für verteilte akustische Sensorik".
• Akademischer Hintergrund in Informatik, Mathematik, Physik oder Elektrotechnik
• Ausgeprägte Programmierkenntnisse in Python und/oder Rust
• Gute Kenntnisse in Signalverarbeitung und maschinellem Lernen
• Interesse an angewandter Forschung und realen Datenherausforderungen
• Dauer: 6 Monate/20 Stunden pro Woche

Du suchst eine spannende Herausforderung im Hightech-Bereich? Du möchtest Teil eines jungen, dynamischen Teams werden, internationale Erfahrungen sammeln und den nächsten Schritt in deiner Karriere machen?