Nachhaltige Lösungen: Sie identifizieren Konfigurationsobjekte, sorgen für einen geordneten Änderungsprozess und empfehlen Abhilfemaßnahmen bei Abweichungen. mehr weniger WAS SIE DAFÜR MITBRINGEN SOLLTEN Qualifikation in Technik oder einem verwandten Bereich: Sie verfügen über ein abgeschlossenes Studium, z. B. in Elektrotechnik, Maschinenbau oder einem vergleichbaren Fachgebiet.
Aber auch als Elektroinstallateur (m/w/d), Energieanlagenelektroniker (m/w/d) oder Industrieelektriker (m/w/d) mit entsprechender Berufserfahrung bist du bei uns herzlich willkommen – idealerweise hast du deine Ausbildung durch eine Weiterbildung zum Techniker (m/w/d) oder Meister (m/w/d) ergänzt. Du bringst außerdem mit: Mindestens zwei Jahre praktische Erfahrung im technischen Projektmanagement – bestenfalls im Bereich Photovoltaik, erneuerbarer Energien oder elektrotechnischer Anlagen, sodass du die Anforderungen und Herausforderungen solcher Projekte aus eigener Erfahrung kennst.
Du verfügst über folgende Qualifikationen Ausbildung: Du verfügst über eine abgeschlossene Wohnungswirtschaftliche oder technische Ausbildung z.B. als zertifizierter Haustechniker (w/m/d), Meister/Techniker (w/m/d) oder einer vergleichbaren Ausbildung. Berufserfahrung: Mindestens 3 Jahre Berufserfahrung im Facility Management oder anderen technischen Bereichen in einem vergleichbaren Umfeld.
Aufgabenbereiche Mitarbeit in Projekten des europäischen Data Science & Advanced Analytics Teams.Konzeption, Design, Entwicklung und Umsetzung komplexer innovativer KI-/Machine‑Learning‑Lösungen sowie Durchführung und Implementierung von Konzeptstudien unter Einsatz fortgeschrittener statistischer Methoden.Entwicklung von Deep‑Learning‑Modellen zur Extraktion strukturierter medizinischer Konzepte aus unstrukturierten Daten.Produktionsreife Implementierung von Machine‑Learning‑Algorithmen auf Big‑Data‑Plattformen.Anwendung moderner Data‑Mining‑ und Machine‑Learning‑Techniken im Zusammenhang mit Healthcare‑Big‑Data zur Identifikation komplexer Zusammenhänge und zur Verknüpfung heterogener Datenquellen.Fortgeschrittener Einsatz von Large Language Models für Zusammenfassungen, Chatbots, Entitätsextraktion usw.Entwicklung grundlegender Deep‑Learning‑Modelle für Assets und Patienten.Aufbau und Training neuer produktionsreifer Algorithmen, die aus komplexen, hochdimensionalen Daten lernen und Muster erkennen, aus denen ML‑Modelle und Anwendungen entwickelt werden können.