Ugrás a fő tartalomra
A Bosch Magyarországon

Tehetséggondozó programok

gyak

BEST Program

A Bosch elkötelezett a magyar műszaki felsőoktatás, illetve az abban részt vevő, kimagaslóan tehetséges fiatal hallgatók támogatása iránt.

Ennek jegyében indította el az úgynevezett BEST - Bosch Engineering Scholarship Team - Ösztöndíjprogramot, mely lehetőséget biztosít ambiciózus, kiemelkedő szakmai és tanulmányi háttérrel rendelkező mérnöki területen tanuló diákoknak, hogy a lehető legtöbbet hozzák ki mesterképzésükből – mind tanulmányi, mind pedig szakmai szempontból.

Az ösztöndíjra elsősorban gépészmérnök, mechatronikai mérnök, villamosmérnök, járműmérnök, autonóm járműirányítási mérnök, közelekedésmérnök, ipari termék és formatervező mérnök, alkalmazott matematikus, matematikus, gazdaságinformatikus, mérnökinformatikus, autonómrendszer-informatikus, programtervező informatikus, fizikus illetve, anyagtudomány mesterképzés előtt álló/mesterképzésük első félévében tanuló diákok jelentkezését várjuk.

A program maximum két éves intervalluma alatt a cég mind pénzügyi, mind pedig szakmai támogatást biztosít a hallgatók számára. A hallgatók havi bruttó 350 000 ft ösztöndíjjuttatásban részesülnek illetve, a céges infrastruktúra biztosítása mellett, egy dedikált szakmai mentorral dolgozhatnak együtt. A szakmai mentor támogatja a hallgató egyetemi tanulmányait, segíti őt a TDK-ra illetve a diplomamunka írására való felkészülésben, illetve olyan ipari (Bosch-os) témákkal/projektekkel ismerteti meg a hallgatót, melyek biztosítják szakmai tudásának bővítését. Továbbá, az elméleti tudás elmélyítése mellett, lehetőséget biztosítunk különböző képzéseken, tréningeken és konferenciákon való részvételre, hogy ösztöndíjasaink a lehető legtöbbet tudják kihozni ösztöndíjprogramjukból. A programban való részvétel által a hallgató Magyarország legkiemelkedőbb ösztöndíjprogjamjának lehet a tagja, illetve széleskörű szakmai és személyes fejlődése mellett, értékes kapcsolati tőkére tehet szert.

A felvételi folyamatot tekintve,a hallgatók a BEST Ösztöndíjprogramra az általuk benyújtott részletes pályázati anyag, illetve többkörös személyes elbeszélgetés alapján kerülnek kiválasztásra. A pályázati anyag felöleli a hallgató önéletrajzát, motivációs levelét illetve, egyetemi ajánlását, melyet a jelentkezési felületen tud benyújtani a Bosch számára. Pályázat benyújtása után, a többkörös interjúztatási folyamat során lehetősége nyílik a hallgatónak bemutatni kiemelkedő tanulmányi és szakmai hátterét, megismerkedni a potenciális témákkal, illetve az azokért felelős mentorokkal.

A jelenlegi jelentkezési kampányhoz kapcsolódó interjúztatási időszak augusztusban, illetve szeptember első felében várható. Az új BEST évfolyam előreláthatólag 2024.10.01-én fog elindulni.

Juttatások:

Amennyiben pozitív elbírálásra kerül pályázatuk az interjúztatási folyamat végén, összefoglalva, a BEST Ösztöndíjprogram során az alábbi juttatásokban/lehetőségekben részesül a hallgató:

▶ Fix bruttó 350 000 HUF/hónap ösztöndíj támogatás a program ideje alatt (maximum 21 hónapig, de legfeljebb a képzés ideje alatti időszakra)

▶ Dedikált/Választott szakmai mentor aki

(1) támogatja a hallgató egyetemi tanulmányait

(2) segíti őt a TDK-ra illetve a diplomamunka írására való felkészülésben

(3) ipari (Bosch-os) témákkal, projektekkel ismerteti meg a hallgatót, ezzel is biztosítva szakmai tudásának bővítését

▶ Céges laptop kerül biztosításra, ezzel is segítve a hallgatót Bosch-os témájának kidolgozásában

▶Elméleti tudás elmélyítése mellett, lehetőséget biztosítunk különböző képzéseken, tréningeken és konferenciákon való részvételre

▶ Szakmai és személyes fejlődés biztosítása

▶ Értekes kapcsolati tőke kiépítésének lehetősége

Elvárások:

Az ösztöndíjprogram ideje alatt a következő elvárásoknak szükséges megfelelnie a hallgatónak:

A hallgató aktív hallgatói jogviszonyát a program alatt fenntartja és egyetemi tanulmányait szorgalmasan, az elvárható alapossággal és lelkiismeretességgel folyamatosan végzi

Tanulmánya alatt szemeszterenként eléri a min. 4,00 kumulált kreditindex szintet

Részt vesz a Tudományos Diákköri Konferencián Bosch releváns témával

Diplomamunkáját Bosch releváns témában írja meg mentorával konzultálva

Rendszeresen részt vesz a szakmai mentorral való konzultációkon és a releváns rendezvényeken

Mesterképzésének kötelező szakmai gyakorlatát a Bosch-nál végzi, amennyiben az tanulmányainak része

Ami szükséges:

Ha felkeltettük érdeklődésedet add be jelentkezésedet az alábbi dokumentumok elküldésével:

Önéletrajz (dokumentum nyelve: angol)

Motivációs levél (dokumentum nyelve: angol)

Egyetemi ajánlás/ajánlások (dokumentum nyelve: magyar)

Figyelem: Arra szeretnénk kérni, hogy egy dokumentumban fűzd össze az önéletrajzodat, motivációs leveledet, egyetemi ajánlásodat/ajánlásaidat, melyet tölts fel a "Resume" fül alá.

A motivációs levélben tüntesd fel - csak megnevezés szintjén - , hogy az alábbi témakörök közül melyik áll/melyek állnak a legközelebb hozzád: mechatronika, beágyazott rendszerek, informatika, mesterséges intelligencia, anyagtudomány, mechanikai design, méréstechnika, adatmanagement, SW tervezés, SW tesztelés, jelfeldolgozás, gépi látás, szenzorika, szenzor fúzió, controlling, egyéb.

További kérdés esetén: Osztondijprogram.BEST@hu.bosch.com

Gyakori kérdések

A BEST - Bosch Engineering Scholarship Team – egy olyan ösztöndíjprogram, mely lehetőséget biztosít ambiciózus, kiemelkedő szakmai és tanulmányi háttérrel rendelkező mérnöki területen tanuló diákoknak, hogy a lehető legtöbbet hozzák ki mesterképzésükből – mind tanulmányi, mind pedig szakmai szempontból.

Az ösztöndíjra elsősorban gépészmérnök, mechatronikai mérnök, villamosmérnök, járműmérnök, autonóm járműirányítási mérnök, közelekedésmérnök, ipari termék és formatervező mérnök, matematikus, alkalmazott matematikus, gazdaságinformatikus, mérnökinformatikus, autonomrendszer informatikus, programtervező informatikus, anyagtudomány, fizikus, mesterképzés előtt álló/mesterképzésük első félévében tanuló diákjai pályázhatnak.

A pályázati anyagodnak tartalmaznia kell az önéletrajzodat, motivációs leveledet, illetve egy/több egyetemi oktatói ajánlást.

Először pályázati anyagodat kell benyújtanod a jelentkezési felületen, majd egy többkörös interjúztatási folyamat során lehetőséged lesz bemutatni számunkra tanulmányi, szakmai hátteredet, illetve megismerheted a potenciális mentor jelölteket és témáikat.

Az ösztöndíj mértéke bruttó 350 000HUF/hónap.

Az első kifizetés a felvétel utána első hónapban történik meg.

Maximum 21 hónapig, de legfeljebb a képzés ideje alatti időszakra vagy jogosult az ösztöndíjra.

Igen, a munkához szükséges laptopot biztosítjuk az ösztöndíjat elnyert hallgatók számára.

Ezek az esetek egyéni elbírálásra kerülnek, de alapvetően nem kizáró tényező a programban való részvételt tekintve.

Alapvetően nem vállalhatsz munkát az ösztöndíjprogram alatt, pontosan az a program célja, hogy kizárólag a tanulmányaidra tudj koncentrálni.

Igen, biztosítjuk hallgatóink számára a kötelező szakmai gyakorlat teljesítésének lehetőségét.

Nincsen, ez a szakmai mentoroddal való megegyezés alapján történik.

A hétvégi munkavégzés nem támogatott.

Az interjúk során megismerkedhetsz a mentorokkal akik bemutatják témáikat, ezáltál egyrészt betekintést nyerhetsz a választható témákba, másrészt tudod jelezni a mentorok felé, hogy kinek a témája iránt érdeklődsz a legjobban.

Ezt a mentoroddal egyeztetitek le, de alapvetően heti 1 órával érdemes számolni.

Igen, a TDK/OTDK-n való részvétel kötelező.

Igen, a program keretein belül a diplomamunkádat Bosch releváns témában szükséges megírnod.

Igen, szükséges, az ezzel kapcsolatos folyamatról tájékoztatást fogsz kapni.

A munkavégzés rugalmasan home office-ban és on-site is zajlik.

Amennyiben nem nyersz felvételt a programra, semmiképpen ne keseredj el, hiszen lehetőség van újrapályázni a soron következő időszakban, továbbá bizonyos esetekben releváns gyakornoki helyet ajánlunk fel jelöltjeinknek.

Miután felvételt nyertél a programba megtörténik a szerződéskötés, illetve kezdetét veszi a program egy kick-off esemény keretein belül, melyet közös munkád követ a mentoroddal.

Ízelítő a BEST Program új kutatási témáiból

„Becslések alapján világszinten a közlekedési balesetek 10-30 százalékának hátterében a sofőr fáradtsága, csökkent figyelmi szintje áll. A cél az ilyen balesetek megelőzése egy járművekbe integrálható rendszer segítségével, mely képes a kritikus fáradtsági szintet időben felismerni. A feladatot bonyolítja, hogy a sofőrök által adott önértékelések túlságosan szubjektívek, torzítást okoznak, nem nyújtanak precíz, megbízható értékeket. Emiatt egy speciális szimulátoros kísérleti környezet került kialakításra, és az innen származó fiziológiás, elsősorban elektroenkefalogram (EEG) adatokkal dolgozunk. Korszerű mesterséges neurális hálózatok alkalmazásával keressük a legmeghatározóbb jeleket, és ezekre alapozva osztályozzuk a becsült fáradtsági szintet. A projekt részét képezi különböző módszerek, modellek kipróbálása, a kapott eredmények összevetése és validációja.” – Varga Bori, BEST ösztöndíjas hallgató

“Kutatási témám a Mesterséges Intelligencia használata Tudásgráfokon. Foglalkozok gráfos adatstruktúra építésével nyers szövegből, Nagy Nyelvi Modellek segítségével, illetve Gépi Tanuláson alapuló módszerek használatával a gráfokon való keresés során.” – Gregosits Tamás, BEST ösztöndíjas hallgató

„Témám az úgynevezett „Rattling detection”-ről szól, ami azt jelenti, hogy egy autóalkatrész nem kívánatos zajaiból arra következtetünk, hogy milyenfajta gyártási, illetve tervezési hibái lehetnek. Ennek előkészületeképpen olyan méréseket végeztünk, melyben egy sima fémlemezt, illetve valós alkatrészeket gerjesztettünk automata kalapáccsal, és azt próbáltuk megjósolni, hogy hol volt a mérési pont, mely ekvivalens azzal, hogy hol történt a gerjesztés. Ehhez kétfajta megközelítést alkalmazunk: egyet, amelyben a mérési pont pontos helyét jósoljuk meg egy koordináta rendszerben, és egyet, amelyben az alkatrészt diszkretizáljuk tartományokra, és a tartományt próbáljuk megmondani. Ezek hoztak is bíztató eredményeket, az első esetben pár milliméteres hibával és szórással, a második esetben pedig 95% feletti találati aránnyal (természetesen bizonyos feltételek mellett). Ezekhez születtek AI-t támogató és anélküli modellek is.” – Szirmai Vilmos Andor, BEST ösztöndíjas hallgató

Ízelítő a BEST Program korábbi kutatási témáiból

"Motorok életciklusának tesztelése során létrejött idősor jeleket elemzünk és dolgozunk fel abból a célból, hogy anomáliákat keressünk bennük és ebből megpróbáljuk meghatározni azok meghibásodását. Ehhez statisztikai és gépi tanuló modelleket használunk, a legmodernebb deep learning technológiákat is alkalmazva. A végső célunk, hogy olyan rendszereket fejlesszünk, amik ezekkel az algoritmusokkal mérés közben is meg tudják határozni a működésbeli rendellenességeket, különös figyelmet fordítva azok okainak megmagyarázására." - Kiss Andor, BEST ösztöndíjas hallgató

"Az utóbbi másfél évtizedben az elektromos autók és hajtásláncok fénykorukat élik, így a belsőégésű motorokkal szemben az elektromos hajtásláncokon lévő csatlakozók szerepe is nagyban felértékelődött. Sok esetben az autók anomális üzemelését, a szenzorok nem megfelelő működését és néhány esetben a baleseteket is a meghibásodott csatlakozók okozzák. A kutatás-fejlesztés projektünk két részre bontható; az első részben egy olyan modern validációs tervet dolgoztunk ki, amelyet egy általános követelményrendszerre alapoztunk, így normarendszertől függetlenül alkalmazható bármely vevő által rendelt eAxle kompakt hajtáslánc csatlakozóira. A projekt második része egy új, nem-invazív tesztmódszer kidolgozását tűzte ki célul, amely során a csatlakozók dörzskorróziós állapotát valós időben lehet vizsgálni akusztikus emisszió segítségével. Az új tesztmódszer kikutatása és fejlesztése a Robert Bosch Kft., az ELTE TTK Anyagfizikai Tanszék és a BME Műszaki Mechanikai Tanszék közös együttműködésével valósul meg korszerű és a világon egyedülállónak mondható eszközök segítségével." - Lipcsei Sándor, BEST ösztöndíjas hallgató

"A projektem célja egy új generációs mérőalkalmazás készítése. A program feladata, hogy megkönnyítse a felhasználó életét azáltal, hogy egy kényelmes és modern felületet biztosít a mérések összeállításához, indításához és kiértékeléséhez. Külön érdekesség, hogy a software gyártófüggetlen, tehát bármilyen, a méréshez szükséges hardver használható, amennyiben rendelkezésünkre áll a megfelelő driver. Mindezen funkcionalitások egy modern nyelven, C#-ban kerülnek megvalósításra. A lefordított .dll-ek más programnyelvekben is újrafelhasználhatóvá teszik a szoftvert, akár a teljes egészét is implementálhatjuk más, (szkript alapú) nyelvekbe." - Icsei Gergely, BEST ösztöndíjas hallgató

"A projekt során elsősorban referenciaszenzorok keresztvalidációjával foglalkozunk. Fontos, hogy a lehető legtöbb különböző forgatókönyvet vizsgáljuk meg, és azonosítsuk az esetlegesen hiányzó szituációkat. Végső célunk a multiszenzor-fúzió megvalósítása kamera és LiDAR adatok felhasználásával. Ez által szeretnénk még pontosabb referenciaadatokat generálni." - Magyar Dávid, BEST ösztöndíjas hallgató

"Egy önvezető autó működése több részfeladatra bontható, az egyik ilyen feladat a tervezés. Ennek során az önvezető autónak meg kell becsülni a többi résztvevő lehetséges jövőbeli trajektóriáját és ezalapján döntést hozni a saját mozgásáról.

Mi egy meglévő modell architektúráját szeretnénk módosítani, a pontosabb eredmény elérése érdekében. A modell neve LaneGCN, működése gráf neurális hálokon alapul. A modell „Agent to Agent” részét szeretnénk kicserélni egy gráf pooling alapú megoldásra, amiben a gráf egyes csúcsainak egyesítésével egy kompaktabb reprezentációt hoznánk létre, ami leírja az adott közlekedési helyzetet." - Szász Milán, BEST ösztöndíjas hallgató

"A modern vezetést segítő rendszerek gyakran gépi tanuláson alapuló megoldásokat alkalmaznak, amelyhez természetesen tanító adathalmazra van szükségük.

Ezek az adathalmazok jelenleg legtöbbször manuálisan címkézettek. A témám célja az, hogy bizonyos adathalmazokon ez a címkézés automatikusan történjen, ezzel lecserélve az emberi tényezőt a rendszerben." - Kriston Milán, BEST ösztöndíjas hallgató

A Neurális hálózatoknál fontos, hogy megfelelő számú bemeneti paraméterrel dolgozzunk, különben felléphet a túlillesztés jelensége, ekkor romlik a modellünk predikciós képessége, illetve a több feature nagyobb számítási időt is igényel. A témám egy új Feature Selection algoritmus implementálása egy ultrahang alapú parkolás-segítő rendszernél, a cél, hogy majd a gyártásban is használható számításigényű rendszert fejlesszünk, a feature-k számának csökkentésével úgy, hogy a lehető legjobban megőrizzük a modell predikciós képességét." - Csatlós Botond, BEST ösztöndíjas hallgató

"Az iparban a termékfejlesztési és a termékgyártási folyamat során nagy mennyiségben keletkeznek adatok, melyek manapság digitalizált formában utólagos elemzés számára is rendelkezésre állnak. A gyártási és fejlesztési területen minden esetben az adatokhoz specifikációk vannak társítva, melyek segítenek annak eldöntését, hogy a termék és a folyamat a megadott határokon belül található-e. Ugyanakkor az iparban a minőségbiztosítás megköveteli azt is, hogy a határértékeken, specifikációkon belüli eltéréseket is vizsgáljuk (pl. autoenkóderek segítségével). A projekt, fuzzy szabályalapú rendszerek alkalmazásán keresztül, foglalkozik az összefüggések magyarázhatóságának, levezetésével, mely nagymértékben megkönnyíti, lerövidíti az ipari környezetben a döntés, beavatkozás idejét." - Lukács Hunor, BEST ösztöndíjas hallgató

"A BEST program keretében végeselemes szimulációval vizsgálom a Bosch által gyártott MEMS (micro electromechanical system) szenzorok leejtéskor mutatott viselkedését. Ilyen mikroméretű gyorsulásmérő szenzorok és giroszkópok találhatóak például a mobiltelefonunkban vagy akár a fülhallgatónkban. A probléma érdekességét a mikrométeres méretskála és a mikroszekundumos időskála, valamint a szimulációhoz szükséges különböző anyagmodellek adják. A szimulációt ANSYS Mechanical és LS-Dyna szoftverekkel végzem." - Plavecz Lambert, BEST ösztöndíjas hallgató

"A témám során forrasztással foglalkozó gyártósori adatokat dolgozunk fel, hogy kiderítsük, milyen paraméter okozza a kiesőket. A feladat része az adatok strukturált összegyűjtése, megértése, adatelemzési algoritmusok megismerése és a megfelelők alkalmazása, illetve az eredmények összehasonlítása, végül kiértékelése. Ennek során nagy tapasztalatot lehet szerezni az adatelemzési feladatok megoldásának metodikájában." - Giczi Alexandra, BEST ösztöndíjas hallgató

"Felületi normálvektorok becslése sztereó képpárokon. A két képen talált pontmegfeleltetések környezetei egy affin transzformációval átvihetők egymásba. Ez a transzformáció függ többek között a felület orientációjától is, így meghatározható belőle a normálvektor. A téma az eddigi elméleti eredmények gyakorlatba történő átültetésével, illetve standard sztereó esetre való egyszerűsítésével foglalkozik. Reményeink szerint az így kapott normálvektorok segítségével javítható lesz különböző, például szegmentációs feladatok pontossága." - Karikó Csongor Csanád, BEST ösztöndíjas hallgató

"A feladat egy tesztpad kifejlesztése automataváltó-vezérlőkben alkalmazott szolenoid aktuátorok dinamikus viselkedésének vizsgálatára. A feladat részeként mechanikai illetve elektronikai elemekből meg kell tervezni a mérési összeállítást, illetve beágyazott szoftvert kell fejleszteni hozzá. ezen kívül egy PC-n futó mérőprogramot is el kell készíteni, HMI-vel (human-machine interface) együtt." - Palicsek Levente, BEST ösztöndíjas hallgató

"Fuzzing (vagy fuzz tesztelés) az egyik legerőteljesebb automatizált szoftver tesztelési eljárás. A módszer lényege, hogy a tesztelés alatt álló eszköznek véletlenszerűen módosított, de helyes üzeneteket küldünk, majd ezek hatását különböző eljárásokkal vizsgáljuk. A teszt célja egy nem várt viselkedés előidézése és észlelése. A módszer nagy előnye, hogy a vizsgálandó rendszer pontos ismerete nélkül is alkalmazható, mert a kimenet helyességét nem kell ellenőrizni. Vezeték nélküli protokollok fuzz tesztelése egy kihívásokkal teli folyamat: hardware közeli driverek módosítása, állapotfüggőség felépítése stb, amelyhez szükséges a rendszer szintű mérnöki gondolkodás." - Kepics János, BEST ösztöndíjas hallgató

"A korszerű elektromechanikus automata sebességváltók elengedhetetlen részét képzik az állandómágneses szinkronmotorok, melyek fordulatszám/pozíció meghatározását jellemzően szenzorok segítségével végzik. Ezek kiváltására azonban léteznek szenzor nélküli módszerek, ahol a szabályzáshoz szükséges adatokat különböző modellek alapján becsülni tudjuk, pusztán az áramok és feszültségek ismeretében. Ezek a becslő eljárások jellemzően csak korlátozott fordulatszám-tartományban működnek, így a motor működtetéséhez több módszer együttes alkalmazása, kombinálása szükséges. A projekt célja, hogy több becslő eljárást implementálva és felhasználva, a jelenlegi szenzoros szabályzást teljesen ki lehessen váltani." - Oláh Kristóf, BEST ösztöndíjas hallgató