Team für Forschung und Entwicklung Aufgaben: ● Training und Evaluation von neuronalen Modellen zur maschinellen Sprachverarbeitung (Natural Language Processing), insbesondere zur maschinellen Übersetzung ● Durchführung eines Projekts zur automatischen Erkennung von Dokumentstruktur in satzalignierten Daten ● Prüfung der Zuverlässigkeit von referenzfreien Evaluationsmethoden für Übersetzungen aus generischen und spezialisierten Modellen ● Anpassung und Testen von Software zur Verarbeitung von linguistischen Daten

Geschäftsbereich Technology & Innovation Aufgaben: ● Implementation, Evaluierung und Vergleich mehrerer Machine Learning Modelle für verteiltes Lernen im Bereich der Betrugserkennung ● Vorverarbeitung realer Daten für automatische Betrugserkennung ● Unterstützung in der Entwicklung eines Frameworks für verteiltes Lernen: Implementation mehrerer Preprocessing Operationen für verteilte Datenanalyse und -transformation (StandardScaling, One-Hot Encoding, PCA). Implementation von Bewertungsmetriken (Confusion Matrix, AUROC) mit verteilten Daten. Integration verteilter Machine Learning Modelle (Federated XGBoost, PyTorch). Vergleich der Resultate von verteiltem und zerntralisiertem Lernen ● Arbeiten mit verschiedenen Sprachen, Frameworks und Tools: Python, PyTorch, NumPy, scikit-learn, pandas, PyCharm, Git, Anaconda, Red Hat Enterprise Linux