Navigation überspringen

Larissa Brencher

Angestellt, Scientific Prozessingenieurin, Carl Zeiss SMT GmbH, Oberkochen
Abschluss: M.Sc., Universität Stuttgart
Stuttgart, Deutschland

Fähigkeiten und Kenntnisse

Java
Softwareentwicklung
Programmierung
Objektorientiertes Programmieren (OOP)
Matematische Modellierung
Algorithmenentwicklung
C++
MatLab
Microsoft Office
Latex
ANSYS Fluent
SpaceClaim
Optimierung
Python
Numerische Simulation
Numerische Strömungsmechanik
Computational fluid dynamics
Machine Learning
Virtual Machine (VM)
Unit Testing
Integration Testing
Julia
Violine
Viola
Forschung und Entwicklung

Werdegang

Berufserfahrung von Larissa Brencher

  • Bis heute 2 Jahre und 4 Monate, seit März 2023

    Scientific Prozessingenieurin

    Carl Zeiss SMT GmbH, Oberkochen

    Justageprozesse im Bereich DUV

  • 4 Monate, Nov. 2022 - Feb. 2023

    Simulationsingenieurin

    Bertrandt Group
  • 1 Jahr und 1 Monat, Sep. 2021 - Sep. 2022

    Studentische Hilfskraft

    Universität Stuttgart

    Entwicklung und Wartung von SyLaNN (Symbolic-Layered Neural Network), ein verbesserter symbolischer Gleichungslerner (Equation Learner), als GitHub repository mit geplanter Veröffentlichung als PyPI package | https://github.com/LarissaBrencher/SyLaNN

  • 1 Jahr, Mai 2020 - Apr. 2021

    Werkstudentin

    Robert Bosch GmbH - Corporate Research

    Polymerelektrolytbrennstoffzelle (PEMFC) in ANSYS Fluent | Tropfensimulation | Multiphasen-Fluidsimulationen mit Fokus auf Interface-Verhalten und -Simulation

  • 6 Monate, Okt. 2019 - März 2020

    Bachelorarbeit

    Robert Bosch GmbH - Corporate Research

    Titel: Analysis and modelling of hydrodynamic losses in T-junctions (AR > 10)

  • 6 Monate, Apr. 2019 - Sep. 2019

    Praktikantin

    Robert Bosch GmbH - Corporate Research

    Portgrößen-Optimierung von Polymerelektrolytbrennstoffzellen | Entwicklung und Verbesserung der Polymerelektrolytbrennstoffzellen-Simulation in Matlab | Numerische Strömungsmechanik Simulationen | Entwicklung der entsprechenden ANSYS Fluent Modelle zur Validierung | Freiwilliges Praktikum

  • 3 Jahre und 5 Monate, Okt. 2015 - Feb. 2019

    Studentische Hilfskraft

    Universität Stuttgart

    Unsicherheitsquantifizierung (Uncertainty quantification, UQ) von stochastischen Prozessen, Gauß'sche Prozesse in Machine Learning, Implementierung von (Markov Ketten) Monte Carlo Methoden (10/2016 -- 02/2019) | Erweiterung von Meshing Methoden in DuMuX (11/2015 -- 03/2017) | Tutor für den Programmierkurs (C++ und Matlab) für Mathematiker (03/2017 -- 04/2017) | Tutor für Datenstrukturen und Algorithmen (04/2016 -- 07/2016) | Tutor für den Mathematik-Vorkurs (09/2015 -- 10/2015, 09/2016 -- 10/2016)

Ausbildung von Larissa Brencher

  • 2 Jahre und 7 Monate, Apr. 2020 - Okt. 2022

    Simulation Technology

    Universität Stuttgart

    Note: 1.4 Multiphasen- und Multikomponenten-Fluidsimulationen in porösen Medien | Multiskalenmodelle, -methoden and deren Numerik | Machine Learning und Deep Learning | Neural Network mit angepasster Layer-Architektur | Symbolische Vorhersage von analytischen Gleichungen | Software Engineering mit Open Source Simulationssoftware | Programmierung: Python, Julia, C++, Matlab | Masterarbeit: Proposing analytical scientific equations with sparse symbolic-layered neural networks

  • 5 Jahre und 6 Monate, Okt. 2014 - März 2020

    Simulation Technology

    Universität Stuttgart

    Note: 2.5 Fluidsimulation in porösen Medien, Fluidmechanik und -dynamik, Experimentalphysik | Numerische Methoden, z.B. Finite Elemente Methode, Finite Volumen Methode, (Multilevel) Monte Carlo Methoden | Analysis, stochastische Prozesse, angewandte statistische Methoden für Unsicherheitsquantifizierung und Risikobewertung | Programmierung: Matlab, C++, Julia, Java | Forschungsarbeit zu "Quantifying uncertainty in Richards' equation: An approach with Multilevel Monte Carlo and Finite Elements"

XING – Das Jobs-Netzwerk

  • Über eine Million Jobs

    Entdecke mit XING genau den Job, der wirklich zu Dir passt.

  • Persönliche Job-Angebote

    Lass Dich finden von Arbeitgebern und über 20.000 Recruiter·innen.

  • 22 Mio. Mitglieder

    Knüpf neue Kontakte und erhalte Impulse für ein besseres Job-Leben.

  • Kostenlos profitieren

    Schon als Basis-Mitglied kannst Du Deine Job-Suche deutlich optimieren.

21 Mio. XING Mitglieder, von A bis Z