Development of Digital Twin For HVACR | Data Center
System Modeling and Simulation EngineerPythonData AnalystMachine Learning...
System Modeling and Simulation Engineer
Konzeption, Analyse und Umsetzung automatisierter Software- und Datenpipelines in Python und Azure-DevOps-Umgebungen, mit Fokus auf skalierbare CI/CD-ähnliche Workflows, Reproduzierbarkeit und Qualitätssicherung.
Analyse großer Feld-, Simulations- und Sensordatenmengen zur Erkennung von Mustern, Anomalien und Leistungsabweichungen als Grundlage für kontinuierliche Integration, Teststrategien und Systemvalidierung.
Entwicklung robuster Build-, Analyse- und Validierungsprozesse (z. B. Feature Engineering, Zeitreihenanalyse, Matrix Profile) als Bestandteil automatisierter Entwicklungs- und Integrationsketten.
Design, Weiterentwicklung und Integration modularer Softwarekomponenten und APIs, einschließlich Versionsverwaltung mit Git, strukturierter Artefaktverwaltung und Anbindung externer Systeme und Datenbanken (PostgreSQL).
Automatisierung wiederkehrender Aufgaben (Analyse, Auswertung, Reporting, Qualitätssicherung) mittels Python-Skripting, mit Fokus auf Effizienz, Stabilität und Entwicklerfreundlichkeit.
Visualisierung von Ergebnissen und Systemzuständen über Dashboards (Power BI, Plotly) zur Unterstützung von E2E-Transparenz, Entscheidungsfindung und Feedback-Loops in agilen Entwicklungsumgebungen.
Enge Zusammenarbeit mit interdisziplinären Teams (Software, System, Daten, Domäne) zur Abstimmung von Integrations-, Test- und Deployment-Strategien.
Entwicklung und Integration von Machine-Learning-Modellen zur Unterstützung von Qualitätsüberwachung, Prognosen und datengetriebener Entscheidungsunterstützung, z. B. zur Optimierung von Entwicklungs- und Betriebsprozessen.
Development of Digital Twin For HVACR | Data Center
System Modeling and Simulation EngineerPythonData AnalystMachine Learning...
System Modeling and Simulation Engineer
Konzeption, Analyse und Umsetzung automatisierter Software- und Datenpipelines in Python und Azure-DevOps-Umgebungen, mit Fokus auf skalierbare CI/CD-ähnliche Workflows, Reproduzierbarkeit und Qualitätssicherung.
Analyse großer Feld-, Simulations- und Sensordatenmengen zur Erkennung von Mustern, Anomalien und Leistungsabweichungen als Grundlage für kontinuierliche Integration, Teststrategien und Systemvalidierung.
Entwicklung robuster Build-, Analyse- und Validierungsprozesse (z. B. Feature Engineering, Zeitreihenanalyse, Matrix Profile) als Bestandteil automatisierter Entwicklungs- und Integrationsketten.
Design, Weiterentwicklung und Integration modularer Softwarekomponenten und APIs, einschließlich Versionsverwaltung mit Git, strukturierter Artefaktverwaltung und Anbindung externer Systeme und Datenbanken (PostgreSQL).
Automatisierung wiederkehrender Aufgaben (Analyse, Auswertung, Reporting, Qualitätssicherung) mittels Python-Skripting, mit Fokus auf Effizienz, Stabilität und Entwicklerfreundlichkeit.
Visualisierung von Ergebnissen und Systemzuständen über Dashboards (Power BI, Plotly) zur Unterstützung von E2E-Transparenz, Entscheidungsfindung und Feedback-Loops in agilen Entwicklungsumgebungen.
Enge Zusammenarbeit mit interdisziplinären Teams (Software, System, Daten, Domäne) zur Abstimmung von Integrations-, Test- und Deployment-Strategien.
Entwicklung und Integration von Machine-Learning-Modellen zur Unterstützung von Qualitätsüberwachung, Prognosen und datengetriebener Entscheidungsunterstützung, z. B. zur Optimierung von Entwicklungs- und Betriebsprozessen.