Hallo, mein Name ist Grzegorz und ich bin ein qualifizierter Maschinenbau- und Software-Ingenieur. Ich entwickle und implementiere neue Methoden für die Simulation mechanischer und regelungstechnischer Baugruppen. Mein aktuelles Projekt ist die Implementierung von Machine Learning auf zeitvarianten Fahrzeugmessreihen.

 

Inhalt

• Berufstätigkeit
• Programmiererfahrung
• Bildungsweg

 

Berufstätigkeit

(seit 2020)

Systemingenieur

Systems Engineering
Bosch Automotive Steering GmbH
Schwäbisch Gmünd

Ich bin Data Scientist in Ausbildung und unterstütze das Team bei der Ausarbeitung der “Operational Design Definition (ODD)” im Rahmen der Requirement Definition. Zudem verbessere ich die Fähigkeiten in der Softwareentwicklung durch das Bereitstellen eines Continuous Integration Prozesses.

Die wertvollsten Beiträge meinerseits sind:

• Entwicklung eines ETL-Prozesses für zeitvariante Kundendaten, die aus Fahrzeugmessungen im Feld stammen. Diese Daten werden in einer Bosch Datenbank gespeichert und erreichen mittlerweile über 1 TB.
• Entwicklung eines Auswertungstools mit einer GUI, das aber so dokumentiert ist, dass es von jedem Bosch-Mitarbeiter gemäß unserer Bosch Inner Source Philosophy weiterentwickelt werden kann.
• In meinem ersten Data-Science-Projekt habe ich ein neuronales Netz entwickelt, das zeitvariante Daten clustert.

(2017 – 2020)

Entwicklungsingenieur

Corporate Research
Robert Bosch GmbH
Renningen

In einem auf drei Jahre befristeten Vorausentwicklungsprojekt wurden wirksame Methoden/Prozesse für die simulationsbasierte Freigabe und statistische Modellvalidierung formuliert und implementiert.

• Während des Projekts habe ich den Entwicklungsfortschritt mit dem Forschungsmanagement des Unternehmens koordiniert und alle zwei Monate direkt an das Top-Management berichtet.
• Ich erwarb umfassende Kenntnisse in agilen Methoden sowie eine Scrum-Master-Schulung und war als Scrum-Master-Proxy tätig.
• Aufbau einer Toolbox für ein Simulations- und Modellqualitäts-Framework, das derzeit im Inner Source Hub von Bosch eingesetzt wird.

(2012 – 2017)

Berechnungsingenieur

Computer Aided Engineering
Bosch Automotive Steering
Schwäbisch Gmünd
(damals: ZF Lenksysteme GmbH)

• Auslegung und Lebensdauerberechnung von Verzahnungen, Zahnstangen und Kugelgewindetrieben.
• Durchführung computergestützter Modalanalysen an Lenksäulen im NVH-Team des CAE-Centers.
• Leitung einer Task Force im ersten Quartal 2015, um Lösungen für NVH-Probleme bei der Industrialisierung eines Produktes zu erarbeiten.

(2010 – 2012)

Projektingenieur

MesH Engineering Team
Dienstleister für die Daimler AG
Stuttgart

• Berechnung von Triebstrangschwingungen mit SimulationX und Simpack im Auftrag der Daimler AG.
• Durchführung von Fahrdynamik-Berechnungen für das Rennteam der Uni-Stuttgart im Rahmen der Formula-Student mit Simpack.
• Automatisierte Auswertung von CAN-Traces aus Messfahrten und Zusammenstellung aller Analysen in einem LaTeX-Dokument.

 

Programmiererfahrung⇧

(since 2019)

Python und Jupyter

Im Rahmen eines Datenaustauschprojekts mit einem OEM habe ich Python, Jupyter und Pandas verwendet. Hier sind einige Details zu meinen Tätigkeiten:

• Entwicklung des ETL-Prozesses für Kundendaten von OEM-Fahrzeugen zur Bosch-Datenbank.
• Durchsuchen der Daten nach häufigen domänenspezifischen Vorfällen, um Systemanforderungen und Simulationsmodelle zu verbessern. Hierbei wurden spezifische Ereignisse oder Muster identifiziert, die auf Probleme oder Optimierungsmöglichkeiten hinweisen können.
• Anwendung eines Machine Learning Algorithmus, nämlich eines Autoencoders, um die zeitvarianten Daten zu clustern. Durch die Anwendung des Autoencoders konnte ich ähnliche Muster und Strukturen in den Daten identifizieren und sie in Cluster einteilen, was wiederum Einblicke und Erkenntnisse über die operational design domain (ODD) der Fahrzeuge ermöglichte.

Diese Arbeiten trugen dazu bei, die Datenanalyse und -verarbeitung im Rahmen des Datenaustauschprojekts zu verbessern und wichtige Informationen aus den Kundendaten zu gewinnen.

(2018 – 2019)

Python und Pandas

Im Rahmen eines Vorausentwicklungsprojekts habe ich ein Simulationsqualitäts-Framework entwickelt, das auf Python und Jupyter basierte und auf der Arbeit von Oberkampf & Roy aufbaute. Hier sind die Details meiner Tätigkeiten:

• Verwendung von Pandas, Matplotlib und Scikit-learn zur Visualisierung statistischer Validierungsdaten.
• Einsatz von Bitbucket und Jenkins für Code-Peer-Reviews und automatisierte Build-/Testprozesse. Durch die Nutzung von Versionskontrollsystemen wie Bitbucket konnte ich meinen Code mit anderen Teammitgliedern überprüfen und zusammenarbeiten. Jenkins wurde verwendet, um den Build- und Testprozess automatisiert durchzuführen, um sicherzustellen, dass der Code fehlerfrei und funktionsfähig ist.
• Akquise neuer Ressourcen über den Bosch Inner Source Hub. Der Bosch Inner Source Hub ist eine Plattform, auf der interne Entwickler Ressourcen, Code-Snippets, Bibliotheken und Best Practices teilen können.

Diese Arbeiten trugen dazu bei, die Qualität der Simulationen im Vorausentwicklungsprojekt zu verbessern, indem Validierungsdaten visualisiert wurden, automatisierte Prozesse zur Qualitätssicherung implementiert wurden und der Austausch von Ressourcen und Wissen gefördert wurde.

(2015)

NX NASTRAN

Ich habe einen FEM-Checker mit MATLAB für Qualitätstests von NVH-Modellen entwickelt:

• Das Skript hat die NASTRAN-Quelle des Modells analysiert und die gemeinsamen Volumenelemente und Anschlüsse abgeleitet.
• Es erstellte eine Stückliste mit Bildern der Teile und listete Dichte, Masse und Steifigkeit auf, was zur Erstellung einer Visualisierung der Teile und der Anschlüsse (Federn, steife Kupplungen) führte.

(2009)

VBA

Während meiner Werkstudententätigkeit bei Tata Technologies habe ich einen Tiefensuchalgorithmus in Visual Basic in CATIA implementiert. Der Algorithmus

• analysierte die Struktur eines Kabelbaums mithilfe eines Tiefensuchverfahrens, das ich selbst entwickelt habe
• und nachdem die Struktur ausgelesen wurde, wurde automatisch eine technische Zeichnung erstellt, die alle Anschlüsse, Steckertypen und Kabellängen enthält.

(2007)

ANSYS

Während meiner Studienarbeit habe ich eine kombinierte Simulation von Elektrodynamik und Strukturmechanik in einem FE-Modell in ANSYS entwickelt. Dabei verwendete ich die eigene APDL Skript-Sprache. Die Simulation umfasste folgende Schritte:

• Zunächst wurden die elektromagnetischen Kräfte auf einen Injektor durch das FE-Netz berechnet.
• Anhand der berechneten Kräfte wurde die neue Position des Injektors analytisch bestimmt, das Modell neu vernetzt und die Berechnung erneut durchgeführt.

 

Bildungsweg⇧

(2022 – 2023)

Bosch Senior Data Scientist

Als Bosch Mitarbeiter nehme ich an einem internen 1,5-jährigen Senior Data Scientist Kurs teil, der mir ein umfassendes Expertenwissen in Data Science vermittelt. Der Kurs legte einen starken Fokus auf praktisches Wissen und Projektarbeiten in meiner Abteilung, begleitet von Bosch BCAI-Mentoren.

Der Kurs ist in zwei Teile unterteilt: Junior Expert und Senior Expert. Beide Teile bestanden aus online Vorlesungen, sowie einer Projektphase. In der Junior-Phase wurden folgende Themen behandelt:

• Grundlagen der Statistik
• Statistisches Lernen und Gaußsche Prozesse
• Klassisches maschinelles Lernen
• Deep Learning
• Advanced Deep Learning
• Zeitreihenanalyse

In der Senior-Phase wurden folgende Themen behandelt:

• ML-Bereitstellung
• Eingebettete KI
• Validierung und Verifizierung / Erklärbare KI
• Dateneffizienz
• Option 1: Spezialisierung auf Sequenzmodelle
• Option 2: Spezialisierung auf Computer Vision
• Foundation-Modelle
• Reinforcement Learning (optional)

(2021)

Machine Learning Engineer Nano-Degree

Ich habe den Machine Learning Engineer Nano-Degree absolviert, bei dem fortgeschrittene Techniken und Algorithmen für maschinelles Lernen vermittelt wurden. Der Fokus lag darauf, Modelle in einer Produktionsumgebung zu verpacken und bereitzustellen. Ich habe praktische Erfahrungen mit Amazon SageMaker gesammelt, um trainierte Modelle in Webanwendungen bereitzustellen und die Leistung zu bewerten. Zudem habe ich gelernt, A/B-Tests durchzuführen und Modelle zu aktualisieren, wenn zusätzliche Daten verfügbar sind.

Mein Abschlussprojekt für den Nanodegree war ein CNN (Convolutional Neural Network), das Hunderassen mit einer Genauigkeit von über 80% erkennen kann. Das Projekt ist auf GitHub veröffentlicht und kann unter folgendem Link eingesehen werden: GitHub-Link zum Projekt.

(Frühjahr 2020)

Data Analyst Nano-Degree

Während der COVID-19-Pandemie befand ich mich in Kurzarbeit, und um diese Zeit sinnvoll zu nutzen, entschied ich mich für das Udacity Data Analyst Nano-Degree Programm. Diese Schulung zielt darauf ab, Daten zu organisieren, Muster und Erkenntnisse zu entdecken, aussagekräftige Schlussfolgerungen zu ziehen und die Ergebnisse klar zu kommunizieren. Der Kurs umfasst Kenntnisse in Python und den Datenanalysebibliotheken (wie Numpy, Pandas und Matplotlib) sowie in SQL. Im Rahmen des Programms habe ich auch ein Portfolio von Projekten erstellt.

Ich habe den Kurs im Juni 2020 erfolgreich abgeschlossen. Während des Kurses konnte ich meine bereits vorhandenen Kenntnisse in Jupyter, Matplotlib und der Statmodels-Toolbox weiter ausbauen und sie auf die gelernten Methoden für Hypothesentests anwenden. Die Projekte, die ich im Rahmen des Udacity-Programms durchgeführt habe, sind in meinem GitHub-Repository verfügbar und können unter folgendem Link eingesehen werden: GitHub-Repository mit den Udacity-Projekten.

(2003 – 2009)

Studium der Fahrzeug- und Motorentechnik

Dipl.-Ing. Fahrzeug- und Motorentechnik
Universität Stuttgart
Stuttgart

Hauptfächer: Fahrzeugtechnik und Kfz-Mechatronik mit Fokus auf Fahrdynamik / Simulation.

Diplomarbeit: Modellbildung und Simulation eines automatisierten Nutzfahrzeuggetriebes.

In meiner Diplomarbeit bei der Daimler AG simulierte ich ein nicht synchronisiertes 16-stufiges Nutzfahrzeuggetriebe mit Vorgelegewellenbremse in SimulationX und Matlab mit dem Ziel, die Anzahl der Schaltabbrüche zu minimieren.

(2002 – 2003)

Zivildienst

Verein zur Förderung spastisch gelähmter
Kinder und anderer Körperbehinderter e.V.
Nürnberg
(heute: Verein für Menschen mit Körperbehinderung Nürnberg e.V.)

Während des Zivildienstes habe ich gelernt, Verantwortung für meine Gemeinschaft, andere Menschen und mich selbst zu übernehmen. Ich half behinderten Kindern oder gebrechlichen Älteren in ihrem Alltag, auf ihrem Schulweg, beim Arztbesuch oder beim Einkauf. Immer zuverlässig und pünktlich.

(bis 2002)

Schulabschluss mit der Allgemeinen Hochschulreife

Wilhelm Löhe Schule
Nürnberg

Schriftliche Prüfung: Mathematik und Erdkunde (LK), sowie Chemie (GK).

Mündlich: Deutsch (GK).

Während der Schulzeit engagierte ich mich als Fotograf für die Schülerzeitung sowie im Schulchor.