Masterarbeit – LLM-basierte bewegungszielerkennung und Signalgenerierung in wirtschaftlichen Narrativen

Erforschen Sie, wie sich immer wiederkehrende wirtschaftliche Kommunikationen über die Zeit ändern.
Firma:
Siemens Energy
Ort:
Erlangen, Bayern, Deutschland
Tätigkeitsbereich:
Stellenbereich:
Gelistet seit:
Anforderungen:
Abgeschlossenes Studium in Data Science, Informatik, Künstliche Intelligenz oder einem verwandten Feld auf Master-Niveau. Kenntnisse in Python-basierter Datenverarbeitung und NLP-Workflows für die Textanalyse und Prototypenerstellung. Interesse an großen Sprachmodellen, prompt-basierten Methoden und zeitlicher Textanalyse in wirtschaftlichen oder geschäftsbezogenen Kontexten. Verständnis für forschungsorientierte Experimente und Evaluationsdesign zur vergleichenden Bewertung von methodologischen Alternativen. Fähigkeit, selbstständig an Implementierung, Analyse und technischer Dokumentation in einem angewandten Forschungsumfeld zu arbeiten. Erfahrungen mit Embeddings, prompt-basiertem Extrahieren, Themenmodellierung oder Textclusterung sind von Vorteil.
Tätigkeit:
Entwicklung eines Forschungsansatzes für den zeitlichen Vergleich wirtschaftlicher Kommunikation. Exploration LLM-basierter Methoden zur Identifizierung thematischer Veränderungen. Implementierung eines Prototypen für die Signalgenerierung. Dokumentation von Ergebnissen und Methoden.
Vergünstigungen:
Erhalten Sie spannende Einblicke in ein internationales Unternehmen und legen Sie den Grundstein für Ihre Karriere bei uns.

In dieser Masterarbeit werden Sie mit öffentlichen wirtschaftlichen und politischen Texten arbeiten und untersuchen, wie sich die wiederkehrende Kommunikation über die Zeit verändert. Dabei erkunden Sie LLM-basierte Methoden zur Identifizierung neu hervorgehobener, de-emphasierter oder verschwundener Themen und wie solche Veränderungen in strukturierte und interpretierbare Signale umgewandelt werden können.

**Ihr Beitrag**
– Entwicklung eines Forschungsansatzes für zeitliche Vergleiche wiederkehrender wirtschaftlicher oder politischer Kommunikation.
– Exploration von LLM-basierten Methoden zur Identifizierung neu betonter, de-emphasierter oder verschwundener Themen.
– Implementierung eines Prototypen zur strukturierten Signalergenerierung aus Veränderungen in der Erzählbetonung.
– Bewertung alternativer methodologischer Ansätze für den zeitlichen Textvergleich und die Signalfestigkeit.
– Dokumentation der Methodik, Ergebnisse und Einschränkungen für die zukünftige Wiederverwendung in der angewandten Textanalyse.
– Unterstützung bei der Übersetzung von Forschungsergebnissen in interpretierbare Signal Konzepte für prognosebezogene Anwendungsfälle.

Dieser Text wurde mit KI erstellt.

Sie wollen unsere Angebote uneingeschränkt nutzen?

Jetzt Green Tech Valley Cluster Partner
werden und viele Vorteile genießen.