Positsioonid

Ettevõtte üldinfo

Enefit / Eesti Energia

Koduleht

Tutvustav info

Enefit / Eesti Energia on ettevõte, mis tegutseb Läänemere piirkonna elektri- ja gaasiturgudel ning rahvusvahelisel kütuseturul. Meil on Läänemere piirkonna kõige mitmekesisem energiportfell: toodame energiat põlevkivist, biomassist, rehvidest, olmejäätmetest, tuulest, päikesest ja veest. Kasutame põlevkivi vedelkütuste ning elektri ja soojuse tootmiseks.

Meil on pühendunud innovatsiooni edendav ja juhiv meeskond – E-Lab. Meeskonda kuuluvad kõrge kvalifikatsiooniga spetsialistid tarkvaratehnika, andmeteaduse ja pilvetehnoloogiate valdkonnas. Katsetame erinevaid lahendusi koostöös teiste üksuste ja väliste partneritega lühiajaliste prototüüpimisprojektide raames. Andmeteadlased on E-Labis põhimeeskonna liikmed, pakkudes oma teadmisi masinõppe, andmeanalüüsi ja optimeerimise valdkonnas.

Masinõppeinsener teeb tihedat koostööd andmeteadlastega, et nende mudeleid juurutada. Samuti tehakse tihedat koostööd tarkvaraarendajatega, kes tegelevad backend’i ja infrastruktuuriga.

ML-insener töötab alates tunnuste (feature) loomise faasist, luues andmete puhastamise ja transformeerimise torustikke ning viies läbi mudeli treenimise ja prognoosimise tootmiskeskkonnas.

Asukoht: Kontorid asuvad Tallinnas ja Tartus. Osa meeskonnast töötab Tallinnas, teine osa Tartus.

Tööformaat: Hübriid. Füüsiline kohalolek on oodatud teisipäeviti (kui ülikoolis ei ole loenguid) – üks nädal Tallinnas, järgmine Tartus. Transpordikulud katab ettevõte. Muudel päevadel on võimalik töötada kas kaugtööna või kontoris.

Töökeel: inglise keel

Eelduslikud ülesanded

• Oma koodi jagamine
• Oma töö esitlemine
• Masinõppemudelite integreerimine
• MLOps-tööriistade kasutamine

Võimalikud uurimisteemad magistritööks

Ootused kandidaadile

• Hea masinõppealane pädevus
• MLOps-i tundmine
• Tugevad IT-oskused
• Esinemis- ja esitlusoskused
• Huvi energiasektori vastu

Juhendajad

Miks peaks üliõpilane valima selle positsiooni?

Tehisintellekti roll elektrisektoris kasvab kiiresti.

Sind ootab tugev meeskond, kuhu kuuluvad mitmed andmeteadlased ja arendajad – õpime ja areneme koos, jagades pidevalt teadmisi ja kogemusi.

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmisele küsimusele:

• Miks oled sina sellele positsioonile parim kandidaat?

Teises voorus antakse sulle testülesanne ning toimub vestlus juhendajaga.

Ettevõtte üldinfo

Enefit / Eesti Energia

Koduleht

Tutvustav info

Enefit / Eesti Energia on ettevõte, mis tegutseb Läänemere piirkonna elektri- ja gaasiturgudel ning rahvusvahelisel kütuseturul. Meil on Läänemere piirkonna kõige mitmekesisem energiportfell: toodame energiat põlevkivist, biomassist, rehvidest, olmejäätmetest, tuulest, päikesest ja veest. Kasutame põlevkivi vedelkütuste ning elektri ja soojuse tootmiseks.

Meil on pühendunud innovatsiooni edendav ja juhiv meeskond – E-Lab. Meeskonda kuuluvad kõrge kvalifikatsiooniga spetsialistid tarkvaratehnika, andmeteaduse ja pilvetehnoloogiate valdkonnas. Katsetame erinevaid lahendusi koostöös teiste üksuste ja väliste partneritega lühiajaliste prototüüpimisprojektide raames. Andmeteadlased on E-Labis põhimeeskonna liikmed, pakkudes oma teadmisi masinõppe, andmeanalüüsi ja optimeerimise valdkonnas.

Andmeteadlased töötavad mitmekesiste teemadega, nagu taastuvelektri tootmise prognoosimine, tarbimisprognoosid, elektrihinna prognoosid, elektritootmise andmeanalüüs, elektrisõidukite ja energiasalvestuse andmeanalüüs jne.

Asukoht: Kontorid asuvad Tallinnas ja Tartus. Osa meeskonnast töötab Tallinnas, teine osa Tartus.

Tööformaat: Hübriid. Füüsiline kohalolek on oodatud teisipäeviti (kui ülikoolis ei ole loenguid) – üks nädal Tallinnas, järgmine Tartus. Transpordikulud katab ettevõte. Muudel päevadel on võimalik töötada kas kaugtööna või kontoris.

Töökeel: inglise keel

Eelduslikud ülesanded

• Luua tunnuseid (features), et parandada prognooside täpsust
• Teha andmeanalüüsi
• Jagada oma koodi
• Esitleda oma tööd
• Lõpuks integreerida loodud mudel arendajate tööga

Võimalikud uurimisteemad magistritööks

• Elektrihindade probabilistlik prognoosimine
• Aku töö juhtimine tugevdamisõppe (Reinforcement Learning) abil

Ootused kandidaadile

• Hea matemaatiline ettevalmistus, eriti tõenäosusteoorias
• Süvaõppe (deep learning) teadmised
• Esinemis- ja esitlusoskused
• Huvi energiasektori vastu

Juhendajad

Miks peaks üliõpilane valima selle positsiooni?

Pakume huvitavaid ja sisukaid teemasid. Sul on võimalus rakendada oma oskusi energeetikas – valdkonnas, millel on ühiskondlikult suur tähtsus. Taastuvenergia osakaalu kasvades muutub elektritootmine üha ettearvamatumaks ning süsteemi stabiilsuse tagamisel on tehisintellektil keskne roll.

Sind ootab mitmest andmeteadlasest koosnev tugev meeskond, kus toimub pidev teadmiste ja kogemuste jagamine ning üksteiselt õppimine.

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmistele küsimustele:

• Millist tüüpi mudelit prooviksid aegridade prognoosimiseks? Näiteks elektrihindade ennustamiseks järgmise 12 tunni jooksul.
• Miks oled sina sellele positsioonile parim kandidaat?

Teises voorus antakse sulle testülesanne ning toimub vestlus juhendajaga.

Ettevõtte üldinfo

Elektrilevi

Koduleht

Tutvustav info

Elektrilevi on Eesti suurim võrguettevõte. Ettevõte haldab ligikaudu 61 000 kilomeetrit elektriliine ja 25 000 alajaama. Elektrilevi pakub elektrivõrguteenust ligi 533 000 kliendile üle Eesti.

Jaotusvõrgu ettevõttena tagab Elektrilevi elektri-varustuskindluse peaaegu kõigile Eesti elanikele ja ettevõtetele. Ettevõttes töötab üle 850 spetsialisti, kelle eesmärk on olla klientidele ja ühiskonnale usaldusväärne partner.

Digilingi positsioon paikneb Elektrilevi Innovatsiooni ja strateegia valdkonnas, mis vastutab muuhulgas elektrivõrgu planeerimispõhimõtete, arengukava, varahaldus- ja investeerimisstrateegiate väljatöötamise eest.

Elektrivõrgu strateegiliste plaanide tegemine on andmepõhine. Otsuste tegemise toetamiseks on vaja läbi töötada suurel hulgal elektrivõrgu ja selle toimise tulemusena tekkinud andmeid, leida seoseid, välja töötada uusi ning valideerida olemasolevaid arvestuspõhimõtteid. Andmete põhjal koostatakse erinevad mõõdikuid ja indekseid, mida kasutatakse olulise sisendina elektrivõrgu strateegiliste plaanide ja võrguinvesteeringute tegemisel.

Positsiooni eesmärgiks on töötada välja paremaid lahendusi olemasolevate andmete analüüsiks, täiendavate mõõdikute ja indeksite koostamiseks ning andmete visualiseerimiseks kasutajasõbraliku töölauana. Positsiooni abil koostatud lahendused tõstavad Elektrilevi efektiivsust strateegiliste plaanide väljatöötamisel ja võrgutasudest saadud tulu kasutamisel elektrivõrgu arendamiseks ja töökindluse suurendamiseks.

Lisainfo

Asukoht: Tallinn.

Tööformaat: hübriid, umbes 1-2 päeva kuus võiks planeerida töötamiseks Elektrilevi Tallinna kontorist.

Keelenõuded: eesti keel.

Eelduslikud ülesanded

• Koormuse katkestussageduse indeks ASIFI
• Koormuse katkestuskestuse indeks ASIDI
• Andmata energia ENS
• Katkestatud koormusvõimsus (ka katkestusvõimsus)
• Keskmine andmata energia teenindatud kliendi kohta AENS
• Keskmine katkestatud kliendi koormuspiirangu indeks ACCI
• Ühiskondlik katkestuskahju
• jm

Koormusindeksid täiendavad kliendikeskseid varustuskindluse indekseid (nt SAIDI, SAIFI, CAIDI), mis ei võta arvesse koormuse suurust. Aruandlus on katkestuspõhine ning arvutus toimub päevade kaupa, võimaldades jälgida jooksva aasta statistikat päeva-, nädala-, kuu- ja aastavaates.

Loodav arvutus arvestab varade hierarhiat ehk võrgu konfiguratsiooni ja topoloogiat, klientide liitumispunktide seotust võrguga ja katkestustega, katkestuste statistikat ning klientide tarbimisandmeid. Võimalusel lisatakse katkestatud võimsuse reaalaja andmed. Samuti töötatakse välja tarbijagruppide tüüpkoormusgraafikud, arvestades sesoonsust ja puhkepäevi.

Indekseid peab olema võimalik esitada erinevate lõigete järgi, sh pingeklassi, plaanilisuse, pikkuse, varustuskindluse piirkonna, fiidri, alajaama, kliendigrupi ja omavalitsuse kaupa. Arvutuse teostamiseks luuakse vajalikud seosed andmebaaside vahel. Väljatöötatud indekseid kasutatakse investeerimisstrateegiate ja plaanimise põhimõtete kujundamisel. Täiendavat infot indeksite kohta vt IEEE 1366.

Võimalikud uurimisteemad magistritööks

Ootused kandidaadile

• Tugev analüütiline mõtlemine ja võime leida andmetest seoseid
• Kogemus andmebaasidega ja väga hea SQL oskus.
• Vilumus programmeerimiskeeltega (nt Python, R).
• Kasuks tuleb kogemus suurte andmemahtudega ja Vertica andmebaasiga.
• Eelnev kokkupuude andmete visualiseerimise tööriistadega (nt Tableau, PowerBI).
• Huvi energeetikavaldkonna vastu; kasuks tulevad baasteadmised elektrivõrgu toimimisest.
• Iseseisvus ja algatusvõime: suutlikkus püstitada hüpoteese ja leida lahendusi ilma pideva suunamiseta.
• Väga hea eneseväljendus- ja koostööskoskus.
• Valmidus siduda ettevõtte ärivajadused akadeemilise uurimistööga

Juhendajad

Mart Haavik, võrgu strateegia üksus, primaarseadmete varagrupi juht

Miks peaks üliõpilane valima selle positsiooni?

Sul on võimalus töötada suurte ja mitmekesiste andmemahtudega ning kujundada ise sobivaim tööviis ja metoodika eesmärkide saavutamiseks. Tegemist on sisulise ja tehniliselt väljakutsuva ülesandega, kus saad siduda analüütilise mõtlemise, andmemudeldamise ja visualiseerimise praktilise ärivajadusega.

Töötad teemaga, mis loob ettevõttele otsest ja mõõdetavat väärtust – Elektrilevi ootab, et loodud lahendused võetakse kohe kasutusele. Sinu töö tulemusest saab oluline sisend strateegiliste otsuste tegemisel ning seda kasutavad mitmed Elektrilevi üksused, mis tähendab, et väljatöötatud lahendustel on lai ja reaalne mõju.

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmistele küsimustele:

• Miks oled sina sellele positsioonile parim kandidaat?
• Võimalusel too näiteid eelnevast kogemusest või tehtud töödest, mis võiks antud ülesannete lahendamisele kaasa aidata.

II voor: vestlus juhendajaga

Ettevõtte üldinfo

GPV Estonia (GPV Group A/S)

Koduleht

Tutvustav info

Lisainfo

Asukoht: Elva, Valga mnt 7a.

Tööformaat: hübriid, vajalik on perioodiline kohalviibimine tootmises testimiseks, mõõdistamiseks ja piloteerimiseks.

Keelenõuded: eesti ja/või inglise keel.

Eelduslikud ülesanded

• Kaardistada praegused vaheprotsessid (tootmisüksus→ladu→teine tootmisüksus), teekonnad, sagedused, veosed.
• Koostada andmepõhine ärijuhtum (baseline vs AMR/AGV, sh ROI/Payback Time).
• Modelleerida liiklus- ja laadimisstrateegiad (üksikrobot vs väikeflott).
• Teha ettepanekud sobivate tehnoloogiliste variantide (tootjad, mudelid) osas (nt MiR/Omron/OTTO/Geek+ top-moodulidega) ja riskid.
• Kavandada ning läbi viia piiratud ulatusega piloot tootmises; koostada juurutussoovitused ja dokumentatsioon.

Võimalikud uurimisteemad magistritööks

• Robootika ja protsesside automatiseerimine tootmissiselogistikas
• Masinnägemissüsteemide rakendamine autonoomsete mobiilsete robotite navigeerimisel ja takistuste tuvastamisel
• Autonoomsete mobiilsete robotite (AMR) mõju läbiminekuaegadele, tööjõukulule ja protsesside efektiivsusele mitme tootmisüksuse vahel
• Sõidukipargi haldus- ja juhtimislahenduste (fleet management) roll AMR-ide koordineerimisel ja optimeerimisel
• Turvalise liikumise, liiklusvoogude ja tsoonihalduse disain vastavuses ISO 3691-4 põhimõtetega
• AMR-lahenduste integreerimine olemasolevatesse tootmis- ja laohaldussüsteemidesse (nt ERP/MES)
• Andmepõhine optimeerimine ja simulatsioonimudelid siselogistika protsesside parendamiseks
• Inimese ja roboti koostöö (HRI) tootmiskeskkonnas ning sellega seotud tööohutuse ja kasutajakogemuse aspektid

Ootused kandidaadile

• Huvi robootika, autonoomsete süsteemide ja siselogistika automatiseerimise vastu
• Baasteadmised programmeerimisest (nt Python) ja/või andmeanalüüsist
• Kasuks tuleb varasem kokkupuude robootikaga (nt SLAM, ROS) või tööstusautomaatika lahendustega
• Hea analüüsi- ja probleemilahendusoskus ning suutlikkus töötada struktureeritult
• Hea kirjalik ja suuline eneseväljendusoskus (sh tehnilise dokumentatsiooni koostamine)
• Valmidus viia läbi mõõdistusi, katseid ja piloteerimisi reaalses tootmiskeskkonnas
• Iseseisvus ja initsiatiivikus, samas valmisolek teha koostööd eri osapooltega (insenerid, tootmine, IT)

Juhendajad

Kristjan Piir, inseneriosakonna juht

Severin Israel, operatiivjuht

Jaan Oder, IT juht

Miks peaks üliõpilane valima selle positsiooni?

Võimalus osaleda päris tehase pilootprojektis: teed andmepõhist analüüsi, katsetad AMR-lahendusi (sh top-mooduleid) ja näed oma töö otsest mõju tootmisprotsessidele. Omandad praktilised oskused:

• simulatsioonide koostamisel
• protsesside analüüsis ja optimeerimises
• ohutuses (ISO 3691-4)
• panustad nutika siselogistika juurutamisse.

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmistele küsimustele:

• Mis sind motiveerib tegelema autonoomsete mobiilsete robotite (AMR) rakendamisega tootmissiseloogistikas? Too välja ka, mida soovid selle projekti käigus õppida.
• Kirjelda konkreetset näidet (projekt, õppetöö või töö), kus analüüsisid protsessi või optimeerisid töövoogu. Millist lähenemist ja tööriistu kasutasid ning milline oli tulemus?
• Milline on sinu praktiline kokkupuude robootika, automatiseerimise või andmeanalüüsiga (nt Python, simulatsioon, ROS, sensorid)? Too konkreetsed näited.
• Kujuta ette, et tootmisüksuste vahel kasutatakse AMR-e. Milliseid peamisi väljakutseid (nt ohutus, liiklus, integratsioon, efektiivsus) näed ning kuidas neid lahendaksid?

II voor: (veebi)intervjuu, kus arutluse all on sinu motivatsioon, tehnilised oskused ja sobivus meeskonnaga

Ettevõtte üldinfo

HiveNavigator

Koduleht

Tutvustav info

HiveNavigator tegeleb mesindustehnoloogia arendusega, kus muudame mesitaru “mustast kastist” mõõdetavaks ja ennustatavaks süsteemiks. Arendame suurandmetel põhinevat mesilasperede kaugseiret ja otsustustuge, ühendades sensorandmed (heli, temp, RH jm) masinõppega, et luua ennustav ja vajaduspõhine mesindus. Tegemist on sektorit muutva tehnoloogia arendusega.

Koostöö eesmärk on arendada mesitarude audio- ja sensoriandmetel põhinevaid masinõppemudeleid mesinduslike sündmuste varajaseks tuvastamiseks.

Asukoht: Kaugtöö

Tööformaat: Hübriid. Eelistame alguses regulaarset kohtumist Tartus/Viljandis (nt 1–2 päeva nädalas).

Töökeel: eesti või inglise keel

Koostöö algus: võimalusel aprillis

Eelduslikud ülesanded

• Mesitarude audioandmete eeltöötlus ja kvaliteedikontroll
• Audio ajasignaalide feature engineering (spektrid, mustrid, sündmusekandidaadid)
• Sensorite (temp, RH) ja audio andmete sünkroniseerimine
• Mesiniku poolt logitud sündmuste ja käitumiste sidumine andmetega timestampide alusel
• Sündmuste märgenduse (ground truth) sidumine andmestikuga
• Masinõppe mudelite loomine mesinduslikele sündmusele:
• sülemlemise varajane riskimudel
• mesilasema olemasolu/puudumine/vastuvõtt
• Mudelite hindamine (false alarm rate, precision/recall, generaliseeruvus eri tarude vahel)
• Tulemuste visualiseerimine ja lihtne prototüüpne skoorimisvoog
• Koostöö riistvara- ja mesindustiimiga sündmuste interpreteerimiseks

Võimalikud uurimisteemad magistritööks

• Noise-robust learning mürarikkas bioloogilises ajasignaalis
• Autoregressiivsete mudelite kasutamine mikro-sündmuste jadade ennustamiseks
• Ajasünkroniseeritud multisensoorse ja inimvaatlusandmete (event logs) kasutamine mudelites
• Varajase hoiatuse süsteemide modelleerimine nõrgalt märgendatud andmestikel
• Masinõppe mudelite generaliseeruvus erinevate kolooniate vahel

Ootused kandidaadile

• Huvi töötada reaalse maailma mürarikka andmestikuga
• Valmidus iseseisvaks probleemide lahendamiseks
• Hea Python oskus
• Kogemus ajasignaalide või audio töötlemisega
• Masinõppe ja närvivõrkude baasteadmised
• Andmete puhastamise ja eeltöötluse kogemus
• Soovitavalt läbitud: Machine Learning, Deep Learning, Signal Processing

Juhendaja

Miks peaks üliõpilane valima selle positsiooni?

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmistele küsimustele:

1. Kirjelda projekti, kursusetööd või isiklikku tööd, kus pidid tegelema keeruka, reaalse maailma või ebatäiusliku andmestikuga. Mis oli probleem ja kuidas sa sellele lähenesid?
2. Kuidas läheneksid olukorrale, kus sündmuste märgendus on ebatäpne või osaliselt puudu?
3. Milliseid mudeleid kaaluksid järjestusandmete (time-series) ennustamiseks ja miks?
4. Too näide, kus pidid ühendama mitu andmeallikat ühte mudelisse.

Teises voorus toimub tehniline vestlus ja lühike mini-case arutelu andmestiku põhjal.

Ettevõtte üldinfo

HoReCa Service

Koduleht

Tutvustav info

HoReCa Service on kiiresti arenev toiduainete hulgimüüja, kes soovib automatiseerida oma ostuprotsessi masinõppe abil ning viia 3000+ tooteartikliga (SKU) varude juhtimine uuele tasemele.

Tegevusvaldkond: toiduainete hulgimüük, puu- ja juurviljad, töödeldud tooted, logistikalahendused HoReCa sektorile

Video

Asukoht: Tallinn, osaliselt võimalik Tartus.

Tööformaat: hübriid, osaline kohalolek ettevõtte juures on eriti vajalik koostöö algfaasis.

Keelenõuded: eesti keel.

Eelduslikud ülesanded

Magistrant osaleb ettevõtte ostuprotsessi automatiseerimise projektis, mille eesmärk on vähendada käsitööd, prognoosivigu ja personalisõltuvust.

Ülesanded:

• Müügiajaloo analüüs (3000 SKU, 40 hankijat)
• Andmete puhastamine ja struktureerimine
• Nõudluse prognoosimudeli arendamine (nt XGBoost, Prophet vms)
• Ohutute laovarude (safety stock) optimeerimismudeli loomine
• Hankijate hinnavõrdlusalgoritmi loomine
• API või andmeekspordi integratsioon Ladu20 süsteemiga
• Tulemuste visualiseerimine (Power BI / Qlik / Python dashboard)
• Pilootprojekti läbiviimine valitud tootegrupis

Võimalikud uurimisteemad magistritööks

• Masinõppel põhinev nõudluse prognoosimine hooajalises hulgikaubanduses
• Varude optimeerimine riknevate kaupade puhul
• Hinnavõrdlus- ja hankija valikumudeli arendamine mitme kriteeriumi põhjal
• Working capital optimeerimine läbi prognoosiva varude juhtimise
• Masinõppe mudelite võrdlus lühiajalises nõudluse prognoosis

Ootused kandidaadile

• Baasteadmised masinõppest ja statistilisest analüüsist
• Hea Python (pandas, scikit-learn vms) oskus
• Andmetöötluse ja visualiseerimise kogemus
• SQL või andmebaaside tundmine
• Süsteemne mõtlemine ja ärilise mõju mõistmine
• Valmidus töötada reaalse äriandmestikuga

Kasuks tuleb:

• Kogemus supply chain või prognoosimise valdkonnas
• Power BI / Qlik kogemus
• API-dega töötamise kogemus

Juhendajad

Reimo Leol, juhatuse liige / strateegiline arendus

Miks peaks üliõpilane valima selle positsiooni?

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmistele küsimustele:

1. Kuidas läheneksid 3000 SKU nõudluse prognoosimisele? Kirjelda lühidalt arhitektuuri.
2. Milliseid masinõppe mudeleid kaaluksid ja miks?
3. Kuidas mõõdaksid prognoosimudeli täpsust?
4. Too näide projektist, kus oled töötanud suure andmemahuga.

Prooviülesanne:
Anname väikese anonüümse müügiajaloo CSV-faili (100 SKU-d, 1 aasta andmed).
Ülesanne:

• Koosta lihtne prognoos järgmise 14 päeva müügiks
• Esita lühike kokkuvõte (max 2 lk) lähenemisest ja tulemustest

II voor:

• (Video)intervjuu
• Lühike tehniline arutelu mudelite üle
• Äriloogika mõistmise hindamine
• Arutelu magistritöö teema täpsustamiseks

Ettevõtte üldinfo

IndiGO Europe

https://indigotech.com/

https://clevon.com/about/

Tutvustav info

Lisainfo

Asukoht: Tartu.

Tööformaat: hübriid: meeskonnatöö kontoris + individuaalne kaugtöö.

Keelenõuded: inglise keel.

Eelduslikud ülesanded

Automatiseeritud sõidukite (AV) valdkonnas on mitmeid väljakutseid. IndiGO huvi DIGILINK programmis jaguneb kaheks võimalikuks suunaks:

A) (Pool)automaatsete HD-kaartide loomise insenerilahendused:

HD-kaardid (High Definition Maps) on suure infotihedusega andmestruktuurid, mis toetavad autonoomset sõidukit, pakkudes näiteks:

• sentimeetri täpsusega tänava- ja sõiduridade geomeetriat
• liiklusmärkide asukohti
• ülekäiguradasid
• eesõigusreegleid jms

Kuigi visuaalsed redaktorid aitavad HD-kaarte käsitsi luua, on see töö väga ajamahukas ja halvasti skaleeruv. Samas on potentsiaali automatiseerida HD-kaartide loomist kasutades:

• sõidulogisid (nt GPS-jäljed)
• satelliit- ja aerofotosid
• teisi kaardiandmeid (nt OpenStreetMap)

B) Autonoomse sõiduki ODD (Operational Design Domain) tuvastamine ja haldus

Autonoomse sõiduki funktsionaalsed võimekused on piiratud ning see tohib opereerida vaid oma võimekuste piires.

Näiteks:

• ootamatud teetööd
• äärmuslikud ilmastikutingimused

võivad jääda sõiduki ODD-st välja.

Sellisel juhul peab süsteem:

• olukorra automaatselt tuvastama
• reageerima asjakohaselt (nt paluma teleoperaatoril juhtimine üle võtta)
• viima sõiduki tagasi seisundisse, kus automatiseeritud sõitu saab jätkata

Võimalikud uurimisteemad magistritööks

A) HD-kaartide automatiseerimine

• Uurida ja prototüüpida meetodeid Lanelet2-formaadis HD-kaartide (osaliselt) automaatseks loomiseks
• Töötada erinevate andmeallikatega (avatud andmestikud, sensorilogid, avalik geoinfo)
• Aidata disainida ja ehitada andmetöötluse torujuhe (pipeline), mis ühendab ja töötleb erinevaid andmeallikaid
• Aidata seadistada vajalik tarkvaraline infrastruktuur
• Tagada lahenduse skaleeritavus erinevates piirkondades (peamiselt Euroopa ja USA)
• Rakendada valideerimislahendusi (nt automaattestid), et tagada automaatselt loodud HD-kaartide sobivus indiGO autonoomsetele sõidukitele

B) ODD tuvastamine ja haldus

• Süsteemne analüüs erinevate sensorandmete ja ML-mudelite sobivusest konkreetsete ODD kriteeriumite tuvastamiseks
• Ühe või mitme ML-mudeli süvaproto­tüüpimine ja valideerimine (nt liiklustiheduse, teepidavuse või valgustingimustes liiklusmärkide tuvastamine – täpsed kriteeriumid lepitakse kokku)
• ML-mudelite treenimine ja peenhäälestus
• Sensorilogide (sh video) kasutamine tuvastusmoodulite testimiseks
• Raamistiku/tarkvaramooduli disain ja arendus, mis ühendab erinevad ODD tuvastusmoodulid ning tagab nende töö reaalajas toimimise piirangutes

Ootused kandidaadile

• Mugavus töötada erinevate andmestikega ja katsetada erinevaid andmetöötlusmeetodeid
• Kogemus Python + Pandas või R kasutamisel
• Lineaaralgebra ja statistika tundmine
• Kogemus geoinfo, sensorandmete või robootikaga seotud kontekstis
• Mõningane kogemus arvutinägemise valdkonnas
• C++ oskus on suur pluss
• Iseseisev motivatsioon teha süstemaatilist kirjanduse ülevaadet ja analüüsi
• Valmidus töötada ingliskeelses ettevõttes ning julgus suhelda avatult (sh tunnistada vigu, takistusi ja teadmiste lünki)

Juhendajad

Miks peaks üliõpilane valima selle positsiooni?

• Sa töötad tipptasemel riistvara ja sensorandmetega ning aitad autonoomsed sõidukid laborist Tartu tänavatele (ja tulevikus üle maailma)
• Autonoomsed sõidukid on transpordi tulevik – saad panustada tehnoloogiasse, mis muudab linnade liikumist
• Ehitat sõna otseses mõttes isesõitvat sõidukit – midagi, mida väga vähesed saavad oma CV-sse kirjutada
• Töötad valdkonna tipp-spetsialistidega

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmistele küsimustele:

• Kirjelda lühidalt üht tarkvara/IT projekti (õppe- või hobiprojekt), mille üle oled kõige uhkem. Mis oli sinu roll?
• Kirjelda oma senist kogemust ja tehnilisi oskusi robootika või sarnastes valdkondades
• Too näide projektist, kus kasutasid lineaaralgebrat, tõenäosusteooriat või statistikat – ja mis oli sinu roll selles projektis
• Milline on sinu kokkupuude Linuxiga?

II voor: (veebi)intervjuu

Ettevõtte üldinfo

Inseneribüroo Urmas Nugin

Koduleht

Facebook

Tutvustav info

Inseneribüroo Urmas Nugin (IBUN) on 17 töötajaga projekteerimisbüroo, mis tegutseb valdavalt Eestis ehitusliku projekteerimisega. Pakume üsna laia teenuste paketti.

Otsime IT magistranti, kes aitaks arendada ja täiustada meie sisemisi töövoogusid ning lihtsustada igapäevast projektitööd automatiseerimise kaudu. Roll hõlmab nii üldist kontoritööd lihtsustavaid automatiseeringuid, kuid oleks ka abiks valdkonnaspetsiifiliste tööriistade parendamisel, koostöös vastava valdkonna ehitusinseneri/arhitektiga.

Asukoht: Tartu.

Tööformaat: kohapeal, kaugtöö või hübriid: sõltub konkreetsest ülesandest ja vajadusest

Töökeel: eesti ja inglise keel

Eelduslikud ülesanded

Magistrandi roll on aidata ettevõttes arendada ja täiustada sisemisi töövoogusid ning lihtsustada igapäevast projektitööd automatiseerimise kaudu.

Eelduslikud ülesanded võivad hõlmata:

• Analüüsida, kuidas ettevõttes infot hoitakse ja kuidas sellele ligi pääsetakse
• Kaardistada tüüpilised kasutajate vajadused ja otsinguülesanded
• Vajadusel täpsustada/korrigeerida olemasoleva süsteemi arhitektuuri
• Arendada ettevõtte IT struktuurile juurde „digitaalne aju“, mis aitab automatiseerida tööd serveris ja kasutatavates tarkvarades
• Rakendada sobivaid tööriistu (nt AI tööriistad, erinevad MCP ja API integratsioonid, Python, PowerShell jms)
• Luua lahendus nii, et pärast magistrandi panust oleks süsteemi võimalik edasi laiendada (lisada uusi „vidinaid“ ja automatiseeringuid)

Töö sisu täpsustatakse koostöös ettevõtte ja juhendajaga vastavalt prioriteetidele.

Võimalikud uurimisteemad magistritööks

Magistritöö võib keskenduda tööprotsesside automatiseerimisele ja selle mõjule ettevõtte igapäevatöös.

Võimalikud suunad:

• sisemiste töövoogude automatiseerimine, kavandamine ja rakendamine väikese/keskmise ettevõtte näitel;
• failipõhise projektihalduse digitaliseerimine ja parendamine;
• Info otsimine failisüsteemidest ja metaandmetest
• AI API integratsioon päringute mõistmiseks ja kokkuvõtete tegemiseks
• Kasutajaliidese disain ja inimese–AI interaktsioon
• dokumentide automaattäitmine või failinimetuse standardiseerimislahenduse arendamine;
• lihtsa andmemudeli loomine ja selle sidumine praktilise automatiseerimisega.
• Teadmusjuhtimine väikeorganisatsioonides
• Põhiline süsteemi turvalisus ja ligipääsuhaldus
• Mitme andmeallika integreerimine (nt MCP kaudu)

Ootused kandidaadile

• Põhilised tarkvaraarenduse teadmised (nt Python, Powershell)
• Süsteemne mõtlemine ja huvi protsesside lihtsustamise ja rakendusliku AI vastu. Eelnev kogemus AI tööriistadega on eelis.
• Kasuks tuleb kogemus MS 365 tarkvarade ning nende automatiseerimisega (Power automate jne)- Ettevõte kasutab MS 365 Standard tarkvara.
• Huvi projekteerimistarkvarade ja kontoritarkvarade vahelise info automatiseerimiseks. (Kasutame valdavalt: Bricscad, Revit, Archicad, Autocad)
• valmidus analüüsida ja täiustada olemasolevaid lahendusi, kuid valdavalt luua uut automatiseeringut;
• valmidus koostada tehnilist dokumentatsiooni (nt loodud/uuendatud süsteemi kasutusjuhendid);
• valmidus teha koostööd ettevõtte töötajatega: ülevaade, mis on üldse võimalik, ja vajaduste kaardistamine.

Juhendajad

Miks peaks üliõpilane valima selle positsiooni?

See ei ole “ainult analüüs ja aruanne” praktika. Sul on võimalus arendada toimivat süsteemi, mida kasutab 17 inimest igapäevaselt, ning ehitada Pythoni-põhine “süsteemi aju”, mis haldab AI-lahendusi ja automatiseeringuid.

Meil on olemas toimiv IT keskkond (lokaalne server + pilvelahendused, MS 365 Standard, Scoro CRM, Merit Activa raamatupidamine ning mitmed projekteerimistarkvarad). Soovime koos magistrandiga luua reaalseid automatiseeringuid, mille mõju on kohe nähtav ning mis jäävad ettevõttes päriselt kasutusse.

Võimalikud praktilised arendussuunad:

• ehitusprojekti kausta- ja failistruktuuri automatiseeritud loomine/arendus
• AI-assistendi ja erinevate MCP/API integratsioonide rakendamine
• automaatne failinimede genereerimine vastavalt projekteerimisvaldkonna loogikale
• versioonihalduse lihtsustamine
• ehitusprojekti info koondamine ja liigutamine erinevate tarkvarade vahel (nt seletuskirja automaatsed väljad CRM-ist ja projektidokumentidest, sh CAD-ist)

Meie plussiks on, et väikeettevõttes näed tulemust kohe, mitte kvartalite pärast. Ühtlasi on meil endal “wishlist”, mistõttu meie juures saad maksimaalse kogemuse. Saadud kogemus on sinu tuleviku “valuuta”, mida saad kasutada edasisteks kandideerimisteks või miks mitte ka meile tööle jäämiseks.

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmisele küsimusele ja esitada kodutöö:

• Kirjelda üht olukorda, kus automatiseerisid korduva ülesande (skript, Exceli makro vms). Mis oli tulemus?
• Kuidas otsustaksid, kas ülesande jaoks piisab lihtsast skriptist või on vaja keerukamat lahendust? (lühike mõttekäik)
• Kui lahendust hakkavad kasutama mitte-IT taustaga inimesed, mis on sinu meelest kõige olulisem, et nad seda päriselt kasutama hakkaksid?
• Mis sind selle positsiooni juures kõige rohkem huvitab ja miks?

Kodutöö (vali üks; tulemusest tee video):

1. Kui sul on olemas enda tehtud automatiseering, esitle seda koos selgitustega (mis, mida ja miks).
2. Kui sul ei ole varasemat “vidinat”, siis loo Pythoni skript, mis käivitub projekti kaustas ning viib konkreetsest kaustast muudetud ja uued failid etteantud serveri aadressile. Ülekirjutamine ei ole lubatud. Samanimelise faili puhul serveris peab skript tegema failist uue koopia.

Failid asuvad:
C:\Users\Kasutaja\IB_Projektid\VE\2026\2026200_Test1 ehitusprojekt

Serveri aadress, kuhu failid liigutatakse:
\192.168.1.2\ajutine_Projektid\VE\2026\2026200_Test1 ehitusprojekt

Lisainfo/küsimused kodutöö kohta: [email protected]

Teises voorus toimub vestlus, kus lepime kokku eesmärkides, hindame võimalusi, prioriteete ning tööalast klappi meeskonnaga.

Ettevõtte üldinfo

Medgicalai

Medgical.ai

Tutvustav info

Osalejate värbamine kliinilistesse uuringutesse on üks peamisi kitsaskohti, millega kaasnevad suured kulud ja viivitused, mis tulenevad patsientide käsitsi võrdlemisest keerukate sobivuskriteeriumidega. Selle positsiooni eesmärk on uue hierarhilise sobitussüsteemi kavandamine, arendamine ja valideerimine. Süsteem kasutab järjestikulist (kaskaadset) meetodite kombinatsiooni – alates lihtsast reeglipõhisest loogikast kuni täiustatud suurte keelemudeliteni (LLM-id) – et automaatselt ja tõhusalt tuvastada sobivad patsiendid elektroonilistest terviseandmetest (EHR).

Peamised eesmärgid on oluliselt vähendada värbamiskulusid, suurendada sobitamise täpsust ning võimaldada reaalajas integreerimist kliiniliste infosüsteemidega, kiirendades seeläbi kliiniliste uuringute läbiviimist.

Ligikaudu 80% kliinilistest uuringutest ei täida osalejate värbamise tähtaegu ning 30% uuringukohtadest ei värba ühtegi patsienti. Põhiprobleem seisneb käsitsi, ajamahukates ja vigadele kalduvates protsessides, kus patsiendiandmeid võrreldakse pikkade ja keerukate uuringuprotokollidega. See loob selge vajaduse automatiseeritud, täpsete ja skaleeritavate lahenduste järele, mis suudavad tõhusalt töödelda nii struktureeritud kui ka struktureerimata kliinilisi andmeid, et sobivad kandidaadid kiiresti tuvastada.

Video

Asukoht: Peamiselt kaugtöö. Põhiülesandeid – algoritmide arendus, andmeanalüüs ja süsteemi disain – on võimalik täita kõikjal, kus on turvaline internetiühendus.

Tööformaat: Kaugtöö. Samas julgustame ja toetame regulaarselt ka kohapealseid koostöösessioone Tartus. Need planeeritakse kooskõlas tudengi tunniplaaniga ning võivad hõlmata:

• sisseelamise ja nõuete kaardistamise töötubasid,
• iga kahe nädala või kord kuus toimuvaid edenemise ülevaate- ja planeerimiskohtumisi,
• oluliste vahe-eesmärkide esitlusi ja testimissessioone.

Keelenõuded: Inglise keel.

Eelduslikud ülesanded

Tudeng osaleb täistsüklilises andmeteaduse ja tarkvaraarenduse projektis, mis hõlmab muu hulgas:

• Nõuete analüüsi läbiviimine, sh kliiniliste uuringute protokollide (anonüümitud kujul) läbivaatamine ja vestlused kliiniliste uuringute koordinaatoritega, et määratleda täpne sobitamisloogika.
• Iseseisev uurimistöö ja analüüs, keskendudes olemasolevatele patsientide sobitamise algoritmidele, loomuliku keele töötluse (NLP) meetoditele ja LLM-ide rakendamise raamistikule tervishoius.
• Andmetöötlusvoogude arendamine, sh skriptide kirjutamine struktureeritud (nt ICD-koodid, laboritulemused) ja struktureerimata (nt kliinilised märkmed) andmete eraldamiseks, anonümiseerimiseks ja eeltöötlemiseks.
• Kolmetasandilise sobitusalgoritmi rakendamine ja testimine (reeglipõhine, semantiline, LLM-põhine) Pythonis, sealhulgas põhjalike ühik- ja integratsioonitestide kirjutamine.
• Osalemine iganädalastel koosolekutel akadeemiliste ja ettevõttepoolsete juhendajatega, et esitleda edenemist, arutada väljakutseid ja planeerida järgmisi samme.
  

Võimalikud uurimisteemad magistritööks

Uurimisküsimus 1:
Kas hierarhiline sobitussüsteemi arhitektuur, mis liigub reeglipõhistest meetoditest LLM-põhiste lahendusteni, võimaldab optimeerida arvutusliku efektiivsuse ja sõelumise täpsuse vahelist tasakaalu?

Uurimisküsimus 2:
Millised on sellise süsteemi iga taseme lõplikud tulemuslikkuse näitajad (nt tundlikkus, spetsiifilisus, kiirus), kui seda rakendada reaalsetele kliiniliste uuringute sobivuskriteeriumidele?

Hüpotees:
Hierarhiline süsteem suudab tuvastada sobivad patsiendid enam kui 95% tundlikkuse ja üle 90% spetsiifilisusega, vähendades sõelumise aega rohkem kui 50% võrreldes käsitsi meetoditega, kusjuures üle 70% juhtudest lahendatakse ilma LLM-e kasutamata.

Ootused kandidaadile

• Programmeerimisoskus Pythonis

Juhendajad

Peajuhendaja: dr Armando Vieira
Kliiniline kaasjuhendaja (uuringumetoodika): dr Diogo Silva

Miks peaks üliõpilane valima selle positsiooni?

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmistele küsimustele:

1. Miks oled huvitatud koostööst Medgicaliga ja kuidas näed oma tausta panustamas meie missiooni?
2. Kirjelda tehnilist projekti, mille üle oled eriti uhke. Milline oli sinu roll ja milline oli projekti mõju?
3. Kas oled varem töötanud NLP, LLM-ide või tervishoiuandmetega? Kui jah, kirjelda lühidalt oma kogemust. Kui mitte, kuidas plaaniksid end kiiresti kurssi viia?
4. Medgical väärtustab innovatsiooni, millel on mõõdetav mõju päriselus. Kirjelda olukorda, kus pidid tasakaalustama tehnilist keerukust kasutatavuse või praktiliste piirangutega.

II voor: Videointervjuu

Ettevõtte üldinfo

Omniva

Koduleht

Tutvustav info

Omniva on rahvusvaheline logistikaettevõte, mis tegutseb üle maailma. Omniva on ka Eesti postiteenuse osutaja ning opereerib kommertsvõrgustikke Lätis ja Leedus. Omniva toimetab veebist ostetud kaubad – isegi kaugematest riikidest – kiiresti kliendi koju, lähimasse postkontorisse või meie klientide eelistatuimasse sihtkohta – Baltikumi pakiautomaatidesse, mis on avatud ööpäevaringselt. Oleme Baltikumi suurim teenusepakkuja.

Tunneme kohalikke turge ning oleme alati oma partneritele lähedal, et leida konkreetsele piirkonnale parimad lahendused.

Omniva rahvusvaheline äri on piiriülese e-kaubanduse eestvedaja Baltikumis, Ida-Euroopas, Kaukaasias ja Kesk-Aasias. Praegused logistikakeskused tegutsevad Ameerika Ühendriikides, Ühendkuningriigis, Saksamaal, Madalmaades, Leedus, Eestis, Soomes ja Omaanis ning Kõrgõzstanis alustatakse tegevust septembris.

Töötame sihikindlalt, et olla piirkonna kõige kiiremini kasvav ettevõte. Oleme piisavalt julged, et siseneda uutele turgudele ja pakkuda seal kaasaegseid lahendusi. Oleme valmis kohanema igasuguste olude ja viimase hetke muudatustega. Meie lahendused pakuvad võimalusi teenida rohkem väiksema investeeringuga. Pakume laiaulatuslikke logistikavõrgustikke ning teeme koostööd kõige usaldusväärsemate partneritega.

Omnivas töötab praegu ligikaudu 2500 töötajat, kes kõik on pühendunud klientide rahulolu tagamisele ja maailma nende koduuksele toomisele.

Asukoht: Tallinn

Tööformaat: hübriid

Keelenõuded: inglise keel

Eelduslikud ülesanded

• Analüüsida ajaloolisi hinnastamise, nõudluse ja mahtude andmeid, et mõista hinnatundlikkust ja nõudluse mustreid.
• Kavandada ja luua simulatsioonimudeleid, et hinnata erinevate hinnastrateegiate mõju tuludele, mahtudele ja võimsuse kasutusele.
• Arendada hinnastamise optimeerimismudeleid, mis arvestavad võrgustiku läbilaskevõimet, teenustasemeid ja konkurentsipiiranguid.
• Tõlkida simulatsioonide tulemused koos äripooltega praktilisteks ja rakendatavateks hinnastamissoovitusteks.

Võimalikud uurimisteemad magistritööks

• Dünaamiliste hinnastamisstrateegiate simulatsioonipõhine hindamine pakilogistikas — modelleerimine, kuidas erinevad hinnastamismehhanismid (kellaajapõhine, nõudluspõhine, võimsuspõhine) mõjutavad tulusid ja võrgustiku kasutust.
• Mitme-eesmärgiline optimeerimine pakihindade kujundamisel operatiivsete piirangute tingimustes — konkureerivate eesmärkide (tulu, mahueesmärgid, võimsuse ühtlustamine, kliendiõiglus) tasakaalustamine, arvestades reaalseid logistikapiiranguid.
• Hinnaelastsuse modelleerimine ja nõudluse reaktsioon B2B pakiteenustes — kliendisegmentide hinnareaktsioonide hindamine ning nende tulemuste rakendamine hinnastamisreeglite kujundamisel.

Ootused kandidaadile

• Tugev baas statistikas, tõenäosusteoorias ja matemaatilises optimeerimises
• Hea programmeerimisoskus Pythonis (kogemus SciPy, OR-Tools’i, SimPy või sarnaste tööriistadega on eeliseks)
• Hea SQL-i oskus ja suurte andmemahtudega töötamise kogemus
• Simulatsioonimeetodite (Monte Carlo, agendipõhine modelleerimine, diskreetsete sündmuste simulatsioon) mõistmine
• Huvi logistika, hinnastamise või tuluhalduse vastu
• Oskus esitleda ja selgitada tulemusi mittetehnilistele huvigruppidele

Juhendajad

Miks peaks üliõpilane valima selle positsiooni?

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmistele küsimustele:

• Miks tahaksid just Omnivaga liituda?
• Mida loodad sellest kogemusest endaga kaasa võtta?
• Mis on olnud kõige ägedam projekt, mille kallal töötanud oled? Miks just see?

II voor: (veebi)intervjuu, et veidi lähemalt tuttavaks saada ning selgitada välja, kas Omniva ning kandidaadi vahel võiks koostööks hea match olla.

Ettevõtte üldinfo

Pipedrive

Koduleht

Tutvustav info

Asukoht: Tartu

Tööformaat: Pipedrive’is alustades eeldame esimestel kuudel kohalolekut kontoris. Usume, et vahetu suhtlus ja meeskonnatöö kohapeal toetavad kõige paremini sisseelamist ja arengut. Kui oled rollis kindluse saavutanud, on võimalik osaliselt töötada ka distantsilt.

Keelenõuded: inglise keel

Eelduslikud ülesanded

Saadaval on kolm erineva fookusega positsiooni:

1. Tehisintellekti suund
2. Masinõppe ja andmeteaduse suund
3. Tarkvaratehnika suund

Kõigi positsioonide puhul panustab tudeng meeskonnaliikmena, osaleb planeerimistes, igapäevastel koosolekutel (stand-up) ja retrospektiividel.

Julgustame sind pakkuma oma lahendusi ja ideid ning rakendama uurimistöö käigus saadud teadmisi.

Võimalikud uurimisteemad magistritööks

Pipedrive’is arendatakse aktiivselt masinõppe lahendusi nii kliendile suunatud funktsioonide kui ka sisemiste protsesside täiustamiseks. Selle aasta fookusteemad on:

• Kliendiedu mustrite analüüs – millised trendid ja kliendisegmendid (nt ettevõtte suurus, käitumine, tegevusvaldkond, kasutusmustrid) on seotud prooviperioodilt tasulisele paketile üleminekuga?
• Personaliseeritud kliendi sisseelamise lahendused (onboarding) – süsteemi loomine, mis pakub kliendile personaalseid soovitusi alustamiseks.
• Teadmistebaasi agendi arendamine – arenenud personaliseerimistehnikate rakendamine ning RAG-pipeline’i täiustamine, et luua proaktiivne ja isikupärastatud virtuaalne assistent.

Ootused kandidaadile

Tehisintellekti suund: eeldame head Pythoni oskust ning huvi suurte keelemudelite (LLM-id) ja agentpõhiste süsteemide vastu.

Masinõppe ja andmeteaduse suund: oled läbinud kursused Pythonis, SQL-is ja masinõppe teekides (nt Pandas, NumPy, scikit-learn) ning soovid arendada oma oskusi reaalses meeskonnas praktiliste ülesannetega.

Tarkvaratehnika suund: tunned end kindlalt vähemalt ühes programmeerimiskeeles. REST API-de, SQL-i ja Giti tundmine on suureks eeliseks.

Olenemata positsioonist on edukal kandidaadil:

• hea suhtlemisoskus
• võimekus kirjutada koodi vähemalt ühes programmeerimiskeeles
• hea koostöövalmidus ja positiivne suhtumine

Juhendajad

Mykhailo Dorokhov, Senior Engineering L&D Lead

Juhendajana toetab Mykhailo sinu professionaalset arengut ning aitab tagada, et sinu ülikooli eesmärgid ja tööalased ülesanded on omavahel kooskõlas.

Lisaks saad meeskonnast mentori (buddy), kes toetab sind igapäevases töös ja sisseelamisel.

Miks peaks üliõpilane valima selle positsiooni?

Kandideerimisprotsess

Kandideerimisprotsess koosneb kolmest etapist:

1. etapp: Lühike kognitiivse võimekuse test. Kui sulle meeldivad loogikaülesanded, sobib see sulle hästi.

2. etapp: Valmista ette kuni 2-minutiline video, kus tutvustad ennast, oma õpinguid ja varasemat kogemust ning selgitad, miks soovid Pipedrive’i kandideerida.

3. etapp: Vestlus meie inseneride ja värbamispartneriga. See on võimalus tutvuda tiimiga ja näha Tartut 16. korruselt.

Ettevõtte üldinfo

Reach-U

Koduleht

Tutvustav info

Reach-U teeb koostööd klientidega üle kogu maailma unikaalsete andmepõhiste projektide kallal. Näiteks analüüsime mobiilivõrke ning ühendame mobiili-, interneti- ja televisiooniliikluse andmeid. Meie spetsiaalselt loodud tehnoloogia võimaldab klientidel teha ärilist andmeanalüüsi oluliselt interaktiivsemalt kui teiste tööriistade abil.

Tegevusvaldkonnad: andmeanalüüsi platvormid telekommunikatsiooni- ja meediaettevõtetele, optimeerimis- ja profileerimisalgoritmid, andmete uurimise kasutajaliidesed ning geograafilised (geospatial) andmed.

Illustreeriv pilt

Asukoht: Tartu

Tööformaat: hübriidtöö (iseseisev kaugtöö + koostöö kontoris)

Töökeel: eesti ja inglise keel (mõlemad kasutusel)

Eelduslikud ülesanded

• Tööriistade arendamine kliendiandmete kvaliteedi hindamiseks, säilitades samal ajal andmete privaatsuse.
• Google Mapsi ja Deck.gl-i beetaversioonide ning uute funktsioonide testimine ning WebGL-i sobivuse hindamine keerukamate visualiseerimismeetodite jaoks.
• Uute andmete visualiseerimise meetodite katsetamine veebibrauserites.
• Algoritmide kavandamine, programmeerimine ja jõudluse hindamine, et saada reaalsetest andmekogumitest sisukaid järeldusi.
• Avalikult kättesaadava varasema töö (prior art) kaardistamine ja analüüs.

Näide võimalikust ülesandest
Meetodid: mitmemõõtmeline klasterdamine ja interaktiivne visualiseerimine
Näidisandmestik: tarbijarakenduse kasutusandmed, mis sisaldavad A/B testide tulemusi
Ülesanne: määratleda klastrid selle põhjal, kuidas kasutajad A/B testidele reageerisid
Andmestruktuur:
a) kasutaja tegevuslogi
b) kasutaja atribuudid kliendiandmebaasist (nt elukoha linn, eelistatud keel jms)

Alustame mõistliku suurusega andmestikuga, et luua demoversioon. Tegelik andmestik hõlmab miljoneid majapidamisi ja sadu miljoneid vaatamissündmusi.

Soovi korral on võimalik luua ka atraktiivne interaktiivne visualiseerimine klasterdamise tulemustest.

Võimalikud uurimisteemad magistritööks

• Mustrite tuvastamine geograafilistes ja käitumuslikes andmestikes.
• Kuumkohtade, muutuste või anomaaliate avastamine aegruumilistes (spatio-temporal) andmetes.
• Suurte andmestike interaktiivsete visualiseerimismeetodite arendamine veebibrauserites.
  

Ootused kandidaadile

• Kogemus Airflow’, JavaScripti, Java, Pythoni või R-iga.
• Eelistatult kogemus Jupyteri, Tableau, QlikView’ või sarnaste tööriistadega.
• Vähemalt algteadmised statistilisest analüüsist ja masinõppemeetoditest.

Me ei eelda, et oskad kõike — juba mõne nimetatud oskuse olemasolu on täiesti piisav.

Juhendajad

Miks peaks üliõpilane valima selle positsiooni?

Reach-U on 35-aastase ajalooga Tartu Ülikooli spin-off. Alustasime geoinfosüsteemidega, seejärel keskendusime mobiilioperaatoritele ning täna teenindame Põhja-Ameerika suurimat meediaettevõtet.

Hetkel on meil töös mitu nn mission impossible tüüpi projekti, kus saad panustada uute lähenemiste katsetamisse. Kui need õnnestuvad, on mõju väga suur.

Meie meeskond koosneb back-end ja front-end arendajatest, andmeinseneridest ning UX/UI disaineritest, kes töötavad koos, et luua tööriistu inimestele üle kogu maailma.

Hindame meeskonnatööd. Oled täisväärtuslik meeskonnaliige, kuid kui sul on sõber või partner, kellega naudid koos töötamist, oleme valmis defineerima ülesande, mida saate teha väikese tiimina.

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmistele küsimustele:

1. Palun kirjelda oma varasemat kogemust vabas vormis (soovi korral lisa lingid oma portfooliole või GitHubi kontole).
2. Kirjelda lühidalt oma motivatsiooni – eelistatult veenvalt ja kaasahaaravalt. Millistes konkreetsetes valdkondades soovid end arendada?
3. Mõeldes oma hobiprojektidele või ülikoolikursustele, kas oskad välja tuua mõne „Wow!“, „Eureka!“ või „Seda oli väga äge teha!“ hetke? Kui jah, siis palun kirjelda neid.

Vastuste põhjal koostame nimekirja kandidaatidest, kellega soovime kohtuda. Kohtumise eesmärk on hinnata, kas sobime teineteisega. Võib-olla on sul ka mõni küsimus meie jaoks?

Ettevõtte üldinfo

SKYCORP Technologies

Koduleht

Tutvustav info

SKYCORP Technologies arendab vesinikul töötavat multirootordrooni SentH2ium. Otsime magistranti, kes aitab viia “peaaegu valmis” (TRL7+) platvormi kontrollitud testimise ja pilootkatseteni, korrastades samal ajal arendus- ja testimisprotsessi vastavusse EASA SORA/PDRA ja C5 raamistikuga.

Koostöö keskmes on regulatiivsete ja ohutusnõuete tõlkimine igapäevasesse arendustöösse – alates nõuete struktureerimisest kuni testitavate kriteeriumide ja kontrollnimekirjadeni. Tudengi roll on aidata käivitada lihtne ja jälgitav arendusprotsess V-mudeli loogika alusel, luues vajalikud mallid ja töökorralduse rutiinid. Olulisel kohal on ka flight test’i „hügieen“: selged testimisprotokollid, üks muutus korraga lähenemine, logipõhine analüüs ning tehniliste otsuste dokumenteerimine. Sõltuvalt tudengi profiilist hõlmab koostöö ka süsteemide integratsioonitoetust, näiteks LTE-side ning payload’i ja sensorite integreerimist PX4/ArduPilot ja MAVLink keskkonnas.

Asukoht: Tartu

Tööformaat: hübriid, täielik kaugtöö ei ole võimalik

Töökeel: eesti ja inglise keel

Eelduslikud ülesanded

• Koostada ja hallata nõuete struktuur: missioon, ohutus, operatsioon, C5/PDRA/SORA nõuded → süsteemi/alam-süsteemi nõuded.
• Luua testimise raamistik: pingitestid kriitilistele komponentidele, enne lendu kontrollid; flight test protokollid ja check-listid.
• Kehtestada muutuste juhtimine: “üks muutus korraga”, versioonimine, flight logide arhiveerimine ja analüüsi rutiin.
• Toetada integratsiooni (autopiloot + sensorid/payloadid + side), suheldes inseneridega ja vajadusel jagades töö projektipõhiselt tellimiseks.
• Dokumenteerida protsessid ja tulemused nii, et need toetaksid ka hilisemat vastavus- ja taotlusdokumentatsiooni.

Võimalikud uurimisteemad magistritööks

• UAS arendus- ja testimisprotsessi raamistik SORA/PDRA/C5 kontekstis (traceability + flight test protokollid).
• PX4/ArduPilot integratsiooniprotsess ja logipõhise testimise metoodika.
• Side (nt LTE) ja payloadi integratsiooni nõuete/testide süsteem.
• Mehitamata lennunduse skaleeritavus läbi mobiilside

Ootused kandidaadile

• Praktiline insenerlik mõtlemine ja võime hoida fookust.
• Huvi embedded/UAS valdkonna vastu
• Varasem kokkupuude PX4/ArduPilot, MAVLink, sensorite/payloadidega on suur pluss.
• Võime kirjutada selgeid tehnilisi ülesandeid ja testikriteeriume (mitte ainult “tootevisioon”).
• Huvi mehitamata dual-use lennunduse vastu
• Valmidus töötada rakenduslikul tasemel (positsioon ei sobi ainult teoreetilise fookusega tudengile).
• Huvi mehitamata dual-use lennunduse vastu.

Juhendajad

Marek Alliksoo, CEO

Roman Suvorov, COO

Miks peaks üliõpilane valima selle positsiooni?

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmistele küsimustele:

• kirjelda ka 1-3 varasemat tööd või projekti (mida tegid, mis oli sinu roll, mis oli tulemus; võivad olla ka õpingute või hobi projektid; linke võib lisada, kuid ei ole nõutud).
• kirjelda üht projekti, kus pidid viima ebaselge probleemi konkreetsete sammude ja tulemuseni.
• milline on sinu kokkupuude embedded/UAV/PX4/ArduPilot/MAVLink teemadega või toote-/protsessijuhtimisega tehnilises kontekstis?

Teises voorus toimub 20-30-minutiline intervjuu sobivuse ja motivatsiooni kontrolliks ja 60 min vestlus (sh tehniline osa) lähenemise ja varasemate kogemuste läbi rääkimiseks.

Ettevõtte üldinfo

Soldera

Koduleht

Tutvustav info

Soldera on AI-native kliimatehnoloogia iduettevõte, mis arendab autonoomset AI-põhist infrastruktuuri, mis võimaldab rohelise energia sertifikaatide ostu, müüki ja haldust enam kui 30 Euroopa riigi registrites ühe ühtse platvormi kaudu.

Tegevusvaldkond: tehisintellekt, energiatarkvara, andmeplatvormid, automatiseeritud kauplemissüsteemid.

Video

Asukoht: Tartu

Tööformaat: kohapeal

Keelenõuded: inglise keel

Eelduslikud ülesanded

• AI-agentide kavandamine ja arendamine, mis suudavad autonoomselt tegutseda erinevates riiklikes energiasertifikaatide registrites
• Andmetorustike loomine struktureerimata andmete (PDF-id, skaneeritud dokumendid, eri API-formaadid) ingestimiseks ja normaliseerimiseks LLM-ide ja OCRi abil
• Ühtse API arhitektuuri loomine, mis võimaldab energiavarade halduritel tegutseda mitmes riigis korraga
• AI-põhiste toodete prototüüpimine, arendamine ja iteratiivne täiustamine koostöös asutajatega
• LLM-ide, vektorandmebaaside ja agentsete töövoogude rakendamine tootmiskeskkonnas

Võimalikud uurimisteemad magistritööks

• Agentsete AI-süsteemide rakendamine keerukates regulatiivsetes keskkondades
• LLM-põhine struktureerimata andmete normaliseerimine mitmeriigilistes infosüsteemides
• AI-põhiste kauplemissüsteemide arhitektuur ja töökindlus
• RAG- ja agentsete töövoogude kasutamine energiatarkvara toodetes

Ootused kandidaadile

• Väga tugevad programmeerimisoskused (TypeScript, Python)
• Varasem kogemus tootmiskeskkonnas kasutatava tarkvara arendamisel
• Teadmised LLM-idest, RAG-lahendustest ja agentsetest töövoogudest (nt LangChain/LangGraph)
• Kogemus andmebaaside ja backend-süsteemidega (nt PostgreSQL)
• Valmidus kasutada AI-põhiseid arendustööriistu (nt Copilot, Cursor)
• Iseseisev tööstiil ja võime siduda tehnilisi lahendusi äriliste eesmärkidega

Juhendajad

Miks peaks üliõpilane valima selle positsiooni?

Kandideerimisprotsess

Lisaks CV-le on oodatud:

• LinkedIni profiil
• GitHubi profiil
• olümpiaadide tulemused
• lingid isiklikele arendusprojektidele

Ettevõtte üldinfo

Swedbank

Koduleht

Tutvustav info

Swedbank on üks suurimaid panku oma koduturgudel Baltikumis ja Rootsis, teenindades enam kui 7,3 miljonit eraklienti ja 600 000 äriklienti. Pakume laia valikut finantsteenuseid ning töötame iga päev selle nimel, et toetada inimeste, ettevõtete ja ühiskonna arengut, edendades tervet ja jätkusuutlikku majandust.

Tegevusvaldkond: finantsteenused.

Video

Asukoht: Tallinn & Tartu

Tööformaat: Hübriid: regulaarne füüsiline kohalolek kontoris on soovituslik.

Keelenõuded: inglise keel

Eelduslikud ülesanded

Swedbanki andmeteaduse tiim tegutseb panga rahapesu ja finantskuritegude tõkestamise üksuses (Anti-Financial Crime, AFC), arendades kõrgekvaliteedilisi ja töökindlaid andmeteaduse lahendusi. Tiimiga liitudes saad:

• Osaleda vahetult ühe arendustiimi töös, mis loob lahendusi AFC valdkonnale või laiemalt kogu pangale
• Kogeda ettevõtte tasemel rakendatavat Scaled Agile Framework (SAFe) tööviisi
• Teha tihedat koostööd sidusrühmadega, et mõista valdkonda ning tagada arendatavate lahenduste vastavus panga vajadustele
• Rakendada tipptasemel tehisintellekti meetodeid, et leida mustreid ja lahendusi suurtest andmemahtudest
• Panustada andmeteaduse toodete arendamisse, juurutamisse ja operatiivseks muutmisse

Võimalikud uurimisteemad magistritööks

• Automatiseeritud hindamisraamistiku uurimine ja disain generatiivse tehisintellekti rakendustele, keskendudes kasutajate tagasiside mehhanismidele ja pidevale õppimisele, et sulgeda tagasisideahel.
• Kogukondade tuvastamise (community detection) ja sõlmede sarnasuse (node similarity) algoritmide hindamine ja rakendamine keerukates võrgustikes graafandmebaaside tehnoloogiat kasutades, et tuvastada varjatud seoseid.

Ootused kandidaadile

• Meeskonnamängija, kes järgib Swedbanki väärtusi: avatus, lihtsus ja hoolivus
• Hea ja samas tagasihoidlik suhtleja
• Teadmised statistiliste meetodite, tehisintellekti ja masinõppe rakendamisest keerukate andmestike analüüsimisel
• Python’i ja tavapäraste arenduspraktikate tundmine (nt PEP 8, versioonihaldus, testimine)
• Eeliseks on varasem praktiline kogemus generatiivse tehisintellekti ja graafandmebaasidega

Juhendajad

Miks peaks üliõpilane valima selle positsiooni?

Swedbankil on enam kui 200-aastane ajalugu ning oleme üks suurimaid panku igal oma koduturul, sh Eestis. Meie kliendid usaldavad meile oma finantsasjad, kuid meil on ka vastutus ühiskonna ees – ennetada finantssüsteemi kuritarvitamist pahatahtlike osapoolte poolt.

Tule ja liitu Swedbanki suurima andmeteaduse tiimiga ning aita luua lahendusi, mis kaitsevad ühiskonda ja toovad tehisintellekti võimalused kogu panka.

Kandideerimisprotsess

Lisaks CV-le vasta ka järgmistele küsimustele kas kirjalikult või videona:

• Miks soovid töötada Swedbankis?
• Kes või mis on sind inspireerinud andmeteaduse valdkonnas tegutsema?
• Kirjelda kahe kuni kolme lausega oma lemmikut andmeteaduse projekti, milles oled osalenud. Selgita, miks see projekt oli oluline ning millised olid sinu töö konkreetsed ja mõõdetavad tulemused.
• Mida soovid saavutada ja õppida Swedbankis Digilingi programmis osaledes?

Kui otsustame sinu kandideerimisega edasi liikuda, viime läbi mitu virtuaalset vestlusvooru, et sind paremini tundma õppida ning hinnata sinu andmeteaduse alaseid oskusi.

Ettevõtte üldinfo

AS Tallink Grupp

Koduleht

Tutvustav info

AS Tallink Grupp on Põhja-Läänemere piirkonna juhtiv kõrgekvaliteediliste minikruiiside ja reisijateveoteenuste pakkuja ning valitud liinidel juhtiv ro-ro kaubaveoteenuste osutaja.

Tegevusvaldkond: reisimine, logistika

Video

Asukoht: Tallinn

Tööformaat: peamiselt kohapeal (täpne korraldus täpsustamisel)

Keelenõuded: eelkõige eesti keel, vajalik on ka inglise keele oskus

Eelduslikud ülesanded

• Klientide segmenteerimine ja prognoosimine masinõppe ja tehisintellekti meetoditega
• Automatiseeritud andmetöötlus- ja analüütikalahenduste arendamine
• Copiloti integratsioonide arendamine sisemiste tööriistade ja andmelaoga
• Kahe nädala pikkustes sprinditsüklites osalemine
• Äriliste probleemide tuvastamine, kus masinõpe ja tehisintellekt võiksid luua mõõdetavat väärtust

Võimalikud uurimisteemad magistritööks

Ootused kandidaadile

• Python ja SQL-i põhiteadmised
• Masinõppe kontseptsioonide ja suurte keelemudelite (LLM-id) mõistmine
• Andmeteadus
• Andmebaaside haldus
• Uudishimu
• Hea meeskonnatöö
• Kiire õppimisvõime
• Kriitiline mõtlemine

Juhendajad

Miks peaks üliõpilane valima selle positsiooni?

Kandideerimisprotsess

Lisaks CV-le, LinkedIni ja GitHubi profiilile palume vastata järgmisele küsimusele:

• Kirjelda andmetega seotud või masinõppe projekti, millega oled töötanud nii iseseisvalt ja/või ülikoolis.
  Mis oli projekti eesmärk, milliseid andmeid ja metoodikaid kasutasid ning milline oli sinu isiklik panus?
• Kuidas läheneksid kliendisegmenteerimise probleemile?
  Tehnilistesse detailidesse ei pea süvitsi minema — kirjelda oma mõttekäiku ja peamisi samme.
• Mis sind kõige enam huvitab masinõppe ja tehisintellekti rakendamisel ärikontekstis võrreldes puhtalt akadeemilise tööga?
• Mida loodad selle koostöö käigus õppida ning millistes valdkondades tunned, et vajad enim arengut?

Teises voorus toimub intervjuu Tallinnas.

Ettevõtte üldinfo

Tartu Ülikool (Infotehnoloogia osakond)

www.ut.ee

Tutvustav info

Tartu Ülikool on Eesti suurim ja vanim ülikool ning digitaalse innovatsiooni eestvedaja teadus- ja õpikeskkondade arendamisel. Ülikoolis kasutatakse mitmeid erinevaid infosüsteeme ja platvorme, mille kasutajakogemus ja visuaalne keel vajavad ühtlustamist.

Tartu Ülikooli infotehnoloogia osakonna disaini meeskond otsib motiveeritud magistranti, kes aitaks analüüsida ülikooli digiteenuste hetkeseisu ning luua aluse ülikooliülese disainisüsteemi kujundamiseks ja juurutamiseks. Tegemist on strateegilise ja praktilise väljakutsega, mille eesmärk on parandada kasutajakogemust, tagada visuaalne ja funktsionaalne järjepidevus ning toetada erinevate platvormide arendustiime ühise disainikeele abil.

Video

Asukoht: Tartu

Tööformaat: Hübriid – võimalik töötada osaliselt distantsilt, kuid vajalik on regulaarne koostöö disaini- jaarendustiimidega

Keelenõuded:

• Eesti keel (suhtlus, intervjuud, dokumentatsioon)
• Inglise keel (erialased materjalid, metoodikad, töövahendid)
  

Eelduslikud ülesanded

• Tartu Ülikooli digiteenuste ja infosüsteemide disainilise hetkeseisu kaardistamine
• Erinevate platvormide (nt veebid, iseteenindused, sisemised süsteemid) disainiprintsiipide, komponentide ja mustrite analüüs
• Kasutajate, arendajate ja teiste sidusrühmade vajaduste kogumine (intervjuud, töötoad, analüüs)
• Ülikooliülese disainisüsteemi kontseptsiooni loomine (põhimõtted, struktuur, rollid)
• Soovituste ja lahenduste väljatöötamine disainisüsteemi rakendamiseks ja juurutamiseks keerukas organisatsioonis
• Esmaste disainisüsteemi elementide (nt värvid, tüpograafia, komponendid, juhised) prototüüpimine
• Dokumentatsiooni ja juhendmaterjalide koostamine disainisüsteemi kasutajatele
  

Võimalikud uurimisteemad magistritööks

• Disainisüsteemi loomine ja juurutamine suure ja heterogeense organisatsiooni kontekstis
• Disainisüsteem kui koostöövahend disaini ja arenduse vahel
• Kasutajakogemuse ühtlustamine mitmel platvormil läbi disainisüsteemi
• Disainisüsteemi mõju arendusprotsesside efektiivsusele ja kvaliteedile
• Organisatsioonilised ja kultuurilised väljakutsed disainisüsteemi rakendamisel
  

Ootused kandidaadile

• Huvi kasutajakogemuse (UX), kasutajaliidese (UI) ja disainisüsteemide vastu
• Süsteemne ja analüütiline mõtlemine
• Võime näha tervikpilti ning seoseid erinevate süsteemide ja osapoolte vahel
• Hea eneseväljendusoskus nii kirjalikult kui suuliselt
• Kasuks tuleb kogemus töövahenditega nagu Figma, Sketch vms
• Kasuks tuleb kokkupuude arendustiimidega või disaini ja arenduse koostööga
  

Juhendajad

Jaanus Roostalu, ITO kasutajaliidese ja -kogemuse kujundaja
Kristi Kimmel, ITO kasutajaliidese ja -kogemuse kujundaja

Miks peaks üliõpilane valima selle positsiooni?

See positsioon pakub haruldast võimalust töötada reaalse ja suure mõjuga probleemiga Eesti suurimas avalik-õiguslikus organisatsioonis. Sinu tegevuse tulemused mõjutavad otseselt tuhandete kasutajate kogemust ning aitavad kujundada Tartu Ülikooli digiteenuste tulevikku.

Koostöö käigus saad praktilise kogemuse disainisüsteemi loomisel nullist ning koos disainerite ja arendajatega tegutsedes näed, kuidas strateegilised disainiotsused sünnivad ja rakenduvad keerukas IT-ökosüsteemis.

Sinu magistritöö ei jää teoreetiliseks – see on tihedalt seotud päris vajaduste ja päris muutustega.

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmistele küsimustele:

1. Miks soovid kandideerida sellele disainisüsteemi loomise ja analüüsi praktikapositsioonile?
2. Milline on Sinu varasem kogemus UX/UI disaini, disainisüsteemide või kasutajakogemuse analüüsiga?
3. Kuidas lähened keerukate ja ebaselgete probleemide struktureerimisele ja lahendamisele? Too näide.
4. Kuidas hindad oma oskust töötada nii iseseisvalt kui ka erinevate rollidega meeskonnas?

II voor: Vestlus kandidaadiga (kohapeal või veebis)

Ettevõtte üldinfo

Tartu Ülikool (Infotehnoloogia osakond)

www.ut.ee

Tutvustav info

Tartu Ülikool on Eesti suurim ja vanim ülikool ning digitaalse innovatsiooni eestvedaja teadus- ja õpikeskkondade arendamisel.

Tartu Ülikooli infotehnoloogia osakond (ITO) tagab igapäevaselt töökindlad ja turvalised IT-teenused enam kui 18 000 tudengile ja töötajale. Pakume magistrandile võimalust panustada meie IT-teenuste juhtimise ja kvaliteedi arendamisse, rakendades juhendajate toel rahvusvahelisi parimaid praktikaid ja omandades väärtuslikku kogemust reaalses organisatsioonis.

Video

Asukoht: Tartu

Tööformaat: Hübriid – võimalik töötada osaliselt distantsilt, kuid vajalik on regulaarne kohalolu meeskonnatööks

Keelenõuded:

• Eesti keel (suhtlus, dokumentatsioon)
• Inglise keel (erialased materjalid, metoodikad, töövahendid)
  

Eelduslikud ülesanded

• Olemasoleva IT teenuste halduse praktikate ja olukorraga tutvumine ja selle kaardistus.
• ITIL raamistikule ja ISO 27001 nõuetele vastavate IT-teenuste haldamise põhimõtete ja protsesside täiendamine koostöös juhendajatega.
• Jira Assets vormide ja andmestruktuuri analüüs ning vajadusel nende ümberkorraldamine.
• Teenuste portfelli andmete korrastamine ja kvaliteedi tagamine (Data Governance).
• Teenuste omanikele juhendmaterjalide koostamine.
• Teenuste kvaliteedimõõdikute (KPI/SLA) defineerimine ja aruandluse loomine.
• Lihtsamate automatiseeringute loomine (nt Jira Automation), et vähendada manuaalset tööd teenuste halduses.
  

Võimalikud uurimisteemad magistritööks

• IT-teenuste halduse (ITSM) protsesside optimeerimine ja standardiseerimine avalik-õiguslikus suurorganisatsioonis.
• Konfiguratsioonihalduse andmebaasi (CMDB) ja teenusportfelli integreeritud mudeli loomine ISO 27001 kontekstis.
• IT teenuste omanike rolli ja vastutuse tõhustamine ITIL-i põhimõtete rakendamise kaudu.
  

Ootused kandidaadile

• Huvi IT-juhtimise protsesside, ITIL raamistiku ja infoturbe standardite (ISO 27001) vastu.
• Süsteemne ja analüütiline mõtlemine.
• Hea suhtlemis- ja väljendusoskus (vajalik juhendite loomisel).
• Kasuks tuleb varasem kokkupuude Atlassian toodetega (Jira, Confluence) või sarnaste haldustarkvaradega.
• Soov mõista suure organisatsiooni IT-teenuste korraldamise tervikpilti.
  

Juhendajad

Imre Lall, ITO teenuste talituse juhataja
Kaisa Varjo, ITO teenuste talituse platvormtiimi juht
Kerli Randmer, ITO teenuste talituse Atlassiani spetsialist

Akadeemiline juhendaja: Dietmar Pfahl, tarkvaratehnika professor

Miks peaks üliõpilane valima selle positsiooni?

Tegu on suurepärase võimalusega rakendada teoreetilisi teadmisi (ITIL, ISO) praktikas Eesti ühes keerukamas IT-keskkonnas. Rakendades rahvusvaheliselt tunnustatud raamistikke praktilises keskkonnas, omandad väärtuslikud oskused ja kogemused.

Sinu panus ei jää sahtlisse – loodud protsessid ja korrastatud andmed mõjutavad otseselt ülikooli IT-teenuste kvaliteeti ja turvalisust. Saad väärtusliku kogemuse suurorganisatsiooni protsesside disainimises ja muudatuste juhtimises.

Kogenud IT-juhtide kõrval on sul võimalus õppida suurorganisatsiooni IT-halduse toimimise kohta ning anda oma panus uuendustesse, mille mõju ulatub kümnete tuhandete kasutajateni.

Kandideerimisprotsess

Lisaks CV-le palume vastata järgmistele küsimustele:

1. Miks soovid kandideerida sellele IT-teenuste arendamise ja haldamise praktikapositsioonile?
2. Millised on Sinu varasemad kokkupuuted andmete süstematiseerimise või protsesside kirjeldamisega?
3. Kuidas lähened keerukate probleemide analüüsile ja lahendamisele? Palun too näide olukorrast, kus pidid lahendama mõne keerulise probleemi.
4. Kuidas hindad oma oskust töötada iseseisvalt ning meeskonnas? Kumb tööviis sobib sulle paremini ja miks?

II voor: Vestlus kandidaadiga (kohapeal või veebis)

Company description

Tilde is one of the leading European language technology companies. With a team of over 150 professionals across Latvia, Lithuania, and Estonia, we’re proud to develop impactful AI-driven solutions that enable multilingual communication in Europe and beyond.

Website

https://tilde.ai/

Location

Remote or Riga office

Language

Estonian and English

Expected assignments

• Dataset curation and synthetic data generation
• Reproducing and improving previously published research
• Large language model adaptation
• Clear and transparent documentation of results

Topics for master’s thesis

LLM adaptation for Estonian in-context question-answering for RAG-use case

Expectations for applicant

• Hands-on experience with Python and Linux command line proficiency
• Familiarity with commercial LLM APIs
• Understanding of neural network architectures, training techniques, and fine-tuning methods

Questions for the Applicant

1. What is your interest in this project?
2. How do you see your work in this project contribute to your broader career goals, and how do you plan to leverage this experience to grow and develop professionally?
3. Share details about a machine learning project you are especially proud of. What was the project’s focus? What obstacles did you encounter, and how did you address them? If available, could you provide a link to its GitHub repository or any other relevant open-source repository?
4. Describe what skills and tools you might need in this project. Indicate which skills you possess and which you would need to learn within this project.

Supervisor

Toms Bergmanis or Mārcis Pinnis

Why join us?

As an AI Engineering intern specializing in LLMs at Tilde, you’ll play a key role in developing state-of-the-art AI technologies. You’ll collaborate with a multidisciplinary team of researchers and engineers to design, implement, and optimize LLMs that drive Tilde’s language solutions.

Company description

Telia is the largest IT and telco company in Estonia, being market leader in all its business areas. Our mission at Telia is to shape the future of one of the world’s most connected regions, pioneering ways for businesses and societies to become smarter and more sustainable.

We value collaboration, continuous learning, and competent teams. We have a friendly and supportive work environment where each of us does our job with great devotion. The rapid and continuous development of our area also gives us endless opportunities for constant growth and learning.

Learn more: https://www.telia.ee/ettevottest/karjaar-telias and https://www.youtube.com/watch?v=CBKTdIr7H74

Telia as an employer:

Image

Introduction

Join our team as a Network Solutions Architect Trainee

Are you passionate about network solutions and eager to develop your skills in a dynamic environment? We are offering a unique opportunity for training and growth as a Network Solutions Architect. Join us and be part of a team that values innovation, collaboration, and professional development.

Location

Office in Tallinn (Mustamäe tee 3) or Tartu (Turu 26B)

Hybrid work is a common way of working.

Language

Basic knowledge of Estonian is mandatory.

Expected assignments

• Map and model the architecture of existing network inventory systems (as is).
• Develop and model target architectural solution for network inventory (to be architectural vision): Solution design, Integration planning, Scalability and Performance, Security, and Compliance (GDPR, ADR’s), Estonia National Fallback Service requirements.
• Investigate and identify suitable products available on the market for solution implementation.
• Work closely with OSS/BSS teams to integrate inventory data with operational systems.
• Support regulatory compliance and audits related to network assets.
• Understanding of network asset lifecycle management

Topics for master’s thesis

Futureproofing Network Inventory

Expectations for applicant

Technical Skills (while expertise in all listed technologies is beneficial, a strong understanding of 70-80% of them is sufficient.)

• Understanding of IP/MPLS networks, fiber optics, transmission (DWDM, SDH), mobile networks (4G/5G)
• Experience with operating systems (Windows, Linux)
• Familiarity with firewalls and security protocols
• Knowledge of APIs and data integration (REST, SOAP, XML, JSON)
• Some experience in Java & Microservices (Kubernetes)
• SQL, PostgreSQL, MySQL for data querying and reporting
• Experience with GIS tools (ArcGIS, QGIS) for fiber mapping - is plus not not expected.

Analytical and Problem-Solving Skills

• Good analytical and conceptual skills for designing and implementing IT solutions.
• Ability to solve technical problems and provide innovative solutions

Knowledge of Technology and Trends

• Continuous interest and awareness of current and future technologies and trends.
• Ability to recommend and implement new technologies based on company needs.

It is beneficial to have at least one certification:

• Cisco Certified Network Associate (CCNA)
• CompTIA Network+
• Microsoft Certified: Azure Network Engineer Associate
• AWS Certified Advanced Networking.

Supervisor

Ardo Abel, Domain Architect

Why join us?

Join us to see and experience life in one of the largest IT teams in Estonia, where we develop and manages approx 800 systems (from legacy to innovation). As part of your internship, you will have the chance to learn about our IT and network systems, architecture, and work with different experts in the field.

Application process

We start with CV/LinkedIn profile and motivation letter. Questions to address in text or through video

1. What inspired you to apply for the position? Why would you be a good fit for this position?
2. Please describe your experience with network technologies and services. If you have participated in implementation projects, then describe your role.
3. How do you stay updated with the latest trends and technologies in network architecture?
4. What do you want to achieve and learn working with us at Telia during your industrial masters?

If we take your application further, we will have a follow-up interview to learn more about you and your motivation.

Company description

MyDello is revolutionizing freight forwarding by bringing global freight online. Check out our website at MyDello.com

Introduction

MyDello, launched in 2021, is fast-growing digital freight forwarder that offers the best shipping options across all freight modes, providing instant quotes and guaranteed prices. We believe that global logistics will become fully automated, and MyDello is on a mission to connect all parties in the supply chain to significantly reduce overall logistics costs.

Introduction video

https://mydello.com/wp-content/uploads/2021/04/MyDello.mp4

Location

Our office is located in Tallinn, but we support and encourage remote work. However, we believe face-to-face communication in the office is crucial for success during the initial settling-in period.

Language

English or Estonian

Expected assignment

The specific tasks depend on agreements made, but generally, you will:

• Work in the development team and participate in:
  • daily meetings,
  • planning new functionality,
  • researching requirements.
• Work on and experiment with your own development ideas.
• Document your findings and work.
• Test your code.
• Research and identify the science proved methods to calculate CO2 emissions in one of the most polluting industries and model the ways to reduce CO2 emissions.
• Design and build scalable data model to implement the identified approach.
• Collaborate with the design and front-end development team to create meaningful CO2 emissions representations for customers in the MyDello customer portal.

Topics for Your Master’s Thesis

Expectations for applicant

• Knowledge and experience with statistical analysis and the ability to gather meaningful data to make quality decisions.
• Experience in research and finding quality studies to solve a problem.
• Understanding the basics of back-end development (C# and .NET framework) is a plus (we provide support from senior engineers).

Supervisors

Rasmus Karja, Product owner at MyDello

Siimu Kaas, CTO and Co-founder at MyDello

Why should you join us?

Join us and lead the future of digital logistics. We serve more than 1,500 customers across Europe. Your science-backed input will have a meaningful role in digitalization of the $10T logistics industry.

We value teamwork, creativity, and learning from mistakes. You will join a passionate team where your ideas matter. You will be a full member of our amazing global team from day 1.

Application process

Our process is simple:

• Step 1: Describe your experience in free form and give a short overview of how you can commit to our journey. Please also choose which topic feels more interesting for you.
• Step 2: Attend an initial interview with our HR manager to determine if both sides see a strong fit for collaboration.
• Step 3: Participate in a final interview with MyDello CTO and product owner. If we find the spark, you’ll receive an offer to join our team.

Company description

MyDello is revolutionizing freight forwarding by bringing global freight online. Check out our website at MyDello.com

Introduction

MyDello, launched in 2021, is fast-growing digital freight forwarder that offers the best shipping options across all freight modes, providing instant quotes and guaranteed prices. We believe that global logistics will become fully automated, and MyDello is on a mission to connect all parties in the supply chain to significantly reduce overall logistics costs.

Introduction video

https://mydello.com/wp-content/uploads/2021/04/MyDello.mp4

Location

Our office is located in Tallinn, but we support and encourage remote work. However, we believe face-to-face communication in the office is crucial for success during the initial settling-in period.

Language

English or Estonian

Expected assignment

The specific tasks depend on agreements made, but generally, you will:

• Work in the development team and participate in:
  • daily meetings,
  • planning new functionality,
  • researching requirements.
• Work on and experiment with your own development ideas.
• Document your findings and work.
• Test your code.
• Design and build functionality to retrieve shipment tracking data from various carriers via APIs or other channels, using LLM tools to extract meaningful data for the MyDello shipment tracking system.
• Collaborate with the MyDello core development team to implement the functionality into the core system.

Topics for Your Master’s Thesis

Expectations for applicant

• Experience or strong interest with LLM methods and tools.
• Knowledge of gathering and storing data from different sources.
• Understanding the basics of C# and the .NET framework is a plus (we provide support from senior engineers).

Supervisors

Rasmus Karja, Product owner at MyDello

Siimu Kaas, CTO and Co-founder at MyDello

Why should you join us?

Join us and lead the future of digital logistics. We serve more than 1,500 customers across Europe. Your science-backed input will have a meaningful role in digitalization of the $10T logistics industry.

We value teamwork, creativity, and learning from mistakes. You will join a passionate team where your ideas matter. You will be a full member of our amazing global team from day 1.

Application process

Our process is simple:

• Step 1: Describe your experience in free form and give a short overview of how you can commit to our journey. Please also choose which topic feels more interesting for you.
• Step 2: Attend an initial interview with our HR manager to determine if both sides see a strong fit for collaboration.
• Step 3: Participate in a final interview with MyDello CTO and product owner. If we find the spark, you’ll receive an offer to join our team.

About Montonio

Montonio is an e-commerce checkout platform, loved by over 8000 merchants in the Baltics, Finland, and Poland. To date, we have raised nearly 19M € from Index Ventures and the people who built Wise, Bolt, and Pipedrive. We aim to be the go-to partner online merchants can rely on to grow their business, one superb checkout experience at a time. 🚀

https://montonio.com/

Introductory paragraph

As a software engineer at Montonio, you’ll be able to dive into account-to-account payments, the magic of e-commerce checkout experiences, parcel shipping, anti-money laundering, or other exciting projects. With a full-stack role, you'll tackle both front-end and back-end tasks, contributing to the development and refinement of user experiences.

Image/video

Read more about the position and our culture:

https://careers.montonio.com/jobs/5426365-junior-software-engineer/5f0876ce-4533-4f2c-8a42-1492cbe66fde

Arrangement of collaboration:

• Location
• Format (physical presence vs working from a distance)
• Language requirements (Estonian/English/either-or/both)

You'll be working from our Tallinn office, where our main engineering team is based. During the first 4 months, we expect you to work on-site most days to get properly integrated into the team. After this initial period, it is possible to transition to a hybrid arrangement with 1-2 remote days per week, although we value and encourage in-person collaboration.

Our working language is English, used for all communication and documentation.

Expected general assignments

• Work with your team to generate impactful ideas and proposals for features and product enhancements.
• Partner with your fellow engineers to turn these ideas into reality, build great user experiences, and iterate.
• Explore and learn new technologies that help us build better products for our merchants.

Expected topics for master’s thesis

As a startup operating in a fast-changing environment, it’s difficult to foresee the projects you will be working on. However, here’s a selection of potential topics:

• Analyzing and optimizing the customer onboarding flow
• Implementing user-friendly and efficient anti-money laundering measures in e-commerce
• Analyzing and implementing anti-fraud solutions for card payments
• Developing a product recommendation engine

(Technical) expectations for applying student

Our expectations for you:

• You're comfortable with at least one modern JavaScript front-end framework (Angular, React, Vue, etc.) and are proficient in HTML and CSS.
• You have experience with back-end development in either TypeScript, JavaScript, or Java. You have experience with using relational databases.
• You care about how and why users interact with the product.
• You’re a skilled communicator – you’re proficient in written and spoken English and are able to work cross-functionally with designers, product managers, and other engineers.
• You work great individually, but even better with a team that you can depend on and learn from.
• You are curious, adaptable, and open to challenges.

Bonus points:

• Experience with modern cloud-native software development practices and architecture patterns.
• Track record of taking ideas to execution – from development through deployment to post-launch support.

We believe passionate engineers can thrive in any environment, no matter the language or framework. Hence, there’s no need to be already familiar with all of our tech. Here are some of the technologies you can expect to work with at Montonio:

• Node.js and TypeScript on the back-end (NestJS framework).
• Angular on the front-end.
• Our database of choice is PostgreSQL.
• We run our code in Docker containers and make heavy use of the AWS infrastructure.

Supervisor designated by the partner

Kristofer Turmen, CTO & Co-Founder

Why should you join us?

We’re all about creating products with heart and soul. As a Montonio software engineer, your focus will be on coding and collaborating to craft compelling experiences. You'll play an integral role in the product lifecycle, from design to deployment, incorporating user feedback for iterative improvements. Your dedication to our merchants' success and understanding of our product's broader context will be key to your success. True end-to-end ownership is the name of the game in Montonio.

As a young team, we don’t have strict processes or archaic structures. As we’re still building our engineering culture, your input will help us create an environment that drives innovation while giving people the space to try out new things. There are plenty of opportunities to experiment and contribute to our shared goal of delivering exceptional products while supporting the needs of our customers and team.

You would be joining Montonio at a very opportune time. We’re still a team of 60 people and we are growing. It is a very exciting time that enables the possibility to be part of shaping the organization, our products, and Montonio's brand. You’ll be part of a kickass team of friendly, forward-thinking people who always support each other. ❤️

Application process

• What caught your attention with Montonio?
• Tell us of a project that taught you the most.

Here is our application process. Not all candidates will progress to all stages.

1. Initial screening interview (video call)
2. We send you our home task
3. Home task review and whiteboarding (on-site)
4. Team interview (on-site)
5. Offer (video call)

We have a dedicated team who promotes and leads innovation, we call this team the E-Lab. The team consists of highly skilled specialists in the field of software engineering, data science, and cloud engineering. We test diferent solutions in cooperation with other units and external partners in the framework of short-term prototyping projects. Data Scientists participate in E-Lab as core team members, providing their expertise andknowledge on machine learning, data analysis and optimization.

The Machine Learning engineer, would work closely with data scientists in order to deploy their model. They would also work closely with software engineers who deal with back-end and infrastructure.

ML engineer would work starting from the feature engineering phase, creating pipelines for data cleaning, transforming and then training and predicting for the ML model in production.

• Share your code
• Present your work.
• Integrate Machine Learning models.
• Use MLOps tools

• Good at machine learning
• MLOps
• Strong IT skills
• Presentation skills
• Interest in energy industry

• AI is used in the energy sector more and more.
• We have a strong team with several data scientists and developers, so we learn a lot from each other.

Questions:

• Why would you be a good fit for this position?

For the second round of admission, there will be a work assignment, as well as an interview with the supervisor.

We have a dedicated team who promotes and leads innovation, we call this team the E-Lab. The team consists of highly skilled specialists in the field of software engineering, data science, and cloud engineering. We test diferent solutions in co-operation with other units and external partners in the framework of short-term prototyping projects. Data Scientists participate in E-Lab as core team members, providing their expertise and knowledge on machine learning, data analysis, and optimization.

Data scientists work on diverse themes: renewable electricity production forecast, consumption forecast, electricity price forecast, data analysis for electricity production, for electric vehicles, energy storage and so forth.

• Create features to make better predictions.
• Deliver data analysis.
• Share your code
• Present your work.
• Finally, integrate your model with developers.

• Good at mathematics, especially probability
• Deep learning
• Presentation skills
• Interest in energy industry

• Interesting topics. You can apply your skills to an industry that matters: energy. Due to more and more renewable energy, electricity production is less known and requires AI to make the system stable.
• Strong team with several data scientists, so we learn a lot from each other.

Questions:

• What kind of model would you try for time-series forecasting. For example, predicting the electricity prices for the next 12 hours.
• Why would you be a good fit for this position?

For the second round of admission, there will be a work assignment, as well as an interview with the supervisor.

Company description

Veriff

Website: https://www.veriff.com

Introduction

We are the preferred identity verification platform partner for the world’s most innovative growth-driven organizations helping conveniently verify and safeguard users anywhere in the world. We support the broadest number of identity documents from nearly every country and territory in the world - and this is continually increasing!

We build ML models that safeguard honest people online. As an intern, you’ll join our ML teams in creating the next generation of AI-driven identity verification solutions.

Take a look at this interview with Krister, one of our previous interns (and current colleague): https://www.veriff.com/our-people/tech-talent-krister-kasemaa

Image/video

https://www.veriff.com/careers

Arrangement of collaboration

Location: Tallinn (hybrid is possible)

Format: In-person and remote mix (with the expectation of some on-site teamwork)

Language: English is our main working language.

Expected general assignments

• Develop and validate PoC solutions for ML-driven features
• Work collaboratively by joining planning sessions, daily standups, and retrospectives
• Contribute to ML Model development and testing in cloud-based development environment
• Coordinate with cross-functional teams to integrate updates and drive seamless collaboration
• Maintain clear, transparent documentation of results

Expected topics for master’s thesis

• Biometric Verification: Explore novel machine learning architectures to enhance speed, accuracy, and reliability in verifying user identities.
• Biometrics: Investigate the latest deep learning approaches for face recognition, focusing on real-world performance and scalability.
• Advanced Spoofing Attack Prevention: Develop and assess advanced spoof detection mechanisms (e.g., liveness checks) to reduce vulnerabilities in biometric systems.
• Fairness & Bias Assessment and Mitigation: Evaluate how demographic differences impact model outcomes, and propose strategies to reduce bias in biometric verification.

(Technical) expectations for applying student

• Understanding of machine learning concepts
• Familiarity with Python and common data science libraries (NumPy, Pandas, TensorFlow or PyTorch)
• Familiarity with SQL
• Team player with a proactive approach to problem-solving

Supervisor designated by the partner

Doğuş Karabulut, Senior Engineering Manager

Why should you join us?

At Veriff, you’ll be at the heart of machine learning innovation. You’ll gain hands-on experience shaping AI that protects millions of people globally. We give you the freedom to learn, grow, and contribute to real-world products that make a difference.

Application process

Round 1: Short video where you introduce yourself and share why you want to join us at Veriff.

What excites you about applying deep learning to identity verification?

Describe a small project you’ve done and your biggest takeaway.

How do you see this internship contributing to your long-term career goals?

Round 2: Virtual or in-person interview with our Data Science team. We’ll discuss your ideas, a potential thesis topic, and walk you through the day-to-day internship tasks.

Video:

• We are bolt: https://www.youtube.com/watch?v=1EQIXjvXKjM
• Come build with us: https://www.youtube.com/watch?v=04e7VnPd8aE

Photos: https://drive.google.com/drive/folders/1snRY1kuv2_my58WRi5tKF-xZ1vjLgWqS?usp=sharing

Website

https://medium.com/bolt-labs

Business domain

Mobility

Location

Tartu

Languages required

English

Expected assignments

• Implementation of proof of concept (PoC)
• Reading, presenting, and reproducing previously published research related to the problem.
• Clear and transparent documentation of results

Topics for master’s thesis

We have different directions depending on the candidate's background and interest:

1. Machine learning models for long-term effects estimation in AB tests.
2. LLM applications for knowledge-specific tasks in AB test platforms.

Expectations for applicant

• Experience with Python and data related data science libraries (Numpy, Pandas)
• Familiarity with SQL and Jupyter Notebooks
• Knowledge/interest in experimentation and causal inference topics.

Questions for the Applicant

1. What drew you to the specific topic you are applying for?
2. How do you see your work in this program contribute to your broader career goals, and how do you plan to leverage this experience to grow and develop professionally?
3. Describe a machine learning project you've worked on that you are proud of. What was it about? What were the challenges you faced, and how did you overcome them?

Supervisor

Carlos Bentes, Senior Data Scientist

Why Bolt?

We value people's potential over experience. We believe that talented and hard-working people grow quickly, so we give them opportunities that most other companies would not.

The experimentation platform is a cross-functional distributed team of data scientists and software engineers that work on exciting problems with an impact, helping Bolt transform urban transportation and make cities for people, not cars.

Find more about Bolt:

• https://bolt.eu/en/careers/life-at-bolt
• https://bolt.eu/en-ee/cities/solutions

Company description

Pipedrive

Software development (CRM & intelligent revenue platform)

https://www.pipedrive.com/

Introduction

We are confident that Pipedrive needs no introduction. As the first CRM to employ Kanban for visualizing sales, Pipedrive was established in 2010 by five Estonian engineers and entrepreneurs. By 2020, it had become the fifth Estonian company to achieve unicorn status.

Image/video

https://www.youtube.com/watch?v=FL7q_KistMo

Arrangement of collaboration

Location: Tartu

Language: English

Format: When you begin at Pipedrive, we expect your presence in the office. We hold the belief that face-to-face communication and physical presence are more effective during your initial months. Later on, it becomes possible to work remotely once you have gained confidence.

Expected general assignments

• Software development and testing

• Working in a cloud-based development environment

• Working in a team:

  • taking part in planning, standups, retro meetings

  • Cross-team collaboration

• We don't expect but encourage you to come up with your own solutions, ideas, research finding

Expected topics for master’s thesis

Pipedrive has multiple initiatives that aim to utilize Machine Learning to improve customer-facing, as well as internal parts of our system:

• Applying machine learning to different parts of our product;

• Continuous integration and continuous delivery metrics;

• Automations in site reliability engineering;

• Using RAG, vector databases and semantic search to support internal processes.

But of course, there are also many other topics that could be available depending on your interests.

(Technical) expectations for applying student

• Good communication skills

• Ability to write code in any programming language

• Be fun to work with

Supervisor designated by the partner

Mykhailo Dorokhov

Senior Engineering L&D Lead

As your supervisor, Mykhailo will take care that you are growing as an engineer and that your goals at university are aligned with what you do at Pipedrive.

You will also get a buddy in the team you'll be working with, who will support you through your journey as a software engineering intern.

Why should you join us?

Pipedrive is one of the pioneers that joined the program back in 2017 and has been participating ever since. We recognize the potential of what a master’s student can achieve and really appreciate the value of a good thesis. Many of the program’s alumni are currently our employees, continuing their work at Pipedrive.

Application process

We have a simple three-step interview process:

Step 1. Every applicant must take a brief cognitive aptitude test. If you like logic puzzles - you'll love this one.

Step 2. Make a short 2-minute video introducing yourself, describing your previous studies/experience and telling us what made you apply to Pipedrive

Step 3. Interview with the internship manager, our engineers and TA partner. We don't bite, and it's your chance to see Tartu from the 16th floor.

Company description

Starship Technologies is the world-leading robotic delivery company, operating in more than 100 cities across the world. We design, build, and operate fleets of delivery robots and use these to provide delivery services to grocery retailers, restaurants, and delivery apps.

https://www.starship.xyz/

Introduction

Our engineering teams cover a wide range of domains, from the robot’s software, hardware and communications with servers, through optimization and supply-demand matching tools, to apps for customers, merchants and operations teams.

Image/video

An example of how we work - overcoming challenges posed by snow: https://www.youtube.com/watch?v=LKg3WFlKz4U

Arrangement of collaboration:

• Location
• Format (physical presence vs working from a distance)
• Language requirements (Estonian/English/either-or/both)

Starship’s engineering teams are located in Tallinn and Helsinki. The more time you spend physically at the office, the more you will likely get out of this collaboration. That said, many engineers prefer to work remotely for at least part of the week, and you will also have the option of working remotely. The working language in Starship’s engineering teams is English.

Expected general assignments

Estimating the battery level of a delivery robot and its depletion rate under various circumstances. Improving the accuracy of battery level prediction of a robot after a driving/idling/charging task would help us make better planning decisions and increase efficiency of the service. In this project, you would:

• build pipelines to gather historical data;
• analyze situations where the existing model is inaccurate;
• iteratively build improved model(s);
• implement the models in production, adhering to efficiency and robustness constraints.

Expected topics for master’s thesis

Estimating the battery level of a delivery robot and its depletion rate under various circumstances

(Technical) expectations for applying student

• Strong quantitative reasoning skills
• Strong basis in programming - your code needs to be performant and resource-efficient
• Ability to adapt to Starship's infrastructure and development environment (Databricks, Kubernetes, Go, Rust etc.)
• SQL and data analysis skills
• Initiative and drive to have an impact

Supervisor designated by the partner

Martin Pihlak, Team Lead of the Core Services team

Why should you join us?

• Improve your data analysis and coding skills
• Get hands-on experience in both data science and cloud services at scale
• Opportunity to deep dive into delivery robot energy management – from battery firmware to fleet action planning.
• Learn from incredibly talented colleagues
• Gain experience in real-world problem-solving, teamwork, and best practices in software engineering
• Help us fill the world with delivery robots

Application process

For the first round of admission, please answer the following questions:

• Why would you like to work on this project?
• Describe specific experiences / projects that set you up for success in this role.

In the second round of admission, you can expect:

• a screening interview
• a technical interview with the supervisor
• a case study, with ~1h to solve a problem, and a discussion afterwards.

Company description

Starship Technologies is the world-leading robotic delivery company, operating in more than 100 cities across the world. We design, build, and operate fleets of delivery robots and use these to provide delivery services to grocery retailers, restaurants, and delivery apps.

https://www.starship.xyz/

Introduction

Our engineering teams cover a wide range of domains, from the robot’s software, hardware and communications with servers, through optimization and supply-demand matching tools, to apps for customers, merchants and operations teams.

Image/video

An example of how we work - overcoming challenges posed by snow: https://www.youtube.com/watch?v=LKg3WFlKz4U

Arrangement of collaboration:

• Location
• Format (physical presence vs working from a distance)
• Language requirements (Estonian/English/either-or/both)

Starship’s engineering teams are located in Tallinn and Helsinki. The more time you spend physically at the office, the more you will likely get out of this collaboration. That said, many engineers prefer to work remotely for at least part of the week, and you will also have the option of working remotely. The working language in Starship’s engineering teams is English.

Expected general assignments

Evaluating a heuristic optimizer for robot logistics planning instead of a genetic optimizer. While our current genetic optimizer works well in practice, it has a drawback of being complex to reason about and modify. A heuristic (rule based) optimizer might be a better choice in some cases.

We would expect you to:

• develop a heuristic optimizer;
• choose metrics to evaluate its goodness;
• run simulations for both optimizer versions;
• evaluate simulation results;
• possibly deploy the new optimizer to a [limited] production and evaluate its real life performance.

Expected topics for master’s thesis

Evaluating a heuristic optimizer for robot logistics planning

(Technical) expectations for applying student

• Strong quantitative reasoning skills
• Strong basis in programming - your code needs to be performant and resource-efficient
• Curiosity about optimization algorithms
• SQL and data analysis skills
• Initiative and drive to have a business impact

Supervisor designated by the partner

Tanel Hiir, Principal Software Engineer in the Fleet Orchestration team

Why should you join us?

• Improve your data analysis and coding skills
• Get hands-on experience with Rust and TypeScript
• Learn from incredibly talented colleagues
• Gain experience in real-world problem-solving, teamwork, and best practices in software engineering
• Help us fill the world with delivery robots

Application process

For the first round of admission, please answer the following questions:

• Why would you like to work on this project?
• Describe specific experiences / projects that set you up for success in this role.

In the second round of admission, you can expect:

• a screening interview
• a technical interview with the supervisor
• a case study, with ~1h to solve a problem, and a discussion afterwards.

Company description

Founded in 2019, Waybiller is an end-to-end bulk transport management solution dedicated to transforming the logistics industry by providing efficient, paperless solutions that simplify workflows, enhance competitiveness, and conserve resources.

Introduction

In our development we are leveraging Django framework on backend and React on frontend, along with CI/CD pipelines in a cloud environment, ensuring a modern, scalable, and high-performance system. We follow the Scrum methodology in our Agile development process, allowing us to continuously iterate and respond to evolving business needs effectively. We are always looking for new and innovative ways to develop and implement technology to make logistics smarter.

Our small but dynamic team comprises top developers, sales representatives, customer success managers, and product designers. Backed by our parent company, Thorgate, we bring expertise, innovation, and mentorship to everything we do. We believe that strong communication and smart collaboration are the keys to our success. Daily standups, business development meetings, and regular feedback sessions keep us aligned and productive.

Our team’s motivation comes from the outstanding results Waybiller produces for its clients and our 3Cs—communication, communication, and communication—keep everything running smoothly.

Website

https://waybiller.com

Location

Tallinn / Remote

Language

English

Arrangement of collaboration

You will begin by familiarizing yourself with Waybiller’s existing systems and understanding how AI can enhance logistics workflows. Initially, you will work on fine-tuning large language models (LLMs) to create an AI Assistant tailored to Waybiller’s use cases.

Once the fundamental AI capabilities are developed, you will move on to designing and implementing workflows and intermediate services that connect the AI Assistant with Waybiller’s backend systems. Throughout the project, you will document architecture, processes, and results in a clear and transparent manner. By the end of this journey, your work will contribute to a fully integrated AI-driven assistant that enhances user experience and operational efficiency in logistics management.

Expected assignment

• Fine-tuning large language models (LLMs) for creating an AI Assistant to be used for available use cases in Waybiller.
• Developing pipelines to process and interpret client inputs, including written and verbal commands.
• Creating workflows and relevant intermediate services to connect the AI assistant with Waybiller’s backend systems.
• Documenting architecture, processes, and results clearly and transparently.

Topics for Your Master’s Thesis

• Fine-tuning LLMs for task-specific natural language understanding in logistics applications.
• Adapting LLMs for effective interaction with logistics platforms.

Expectations for applicant

• A passion for making people’s lives easier through innovative solutions.
• Commitment to continuous learning and staying updated with industry trends.
• Relevant experience with Python and Linux command line.
• Familiarity with fine-tuning open-source LLMs or working with commercial LLM APIs (e.g., ChatGPT / Whisper).
• Experience with RESTful APIs, Docker, and cloud-based AI platforms (e.g., AWS, GCP) is a plus.

Supervisors

Bora Büyükdoluca - Engineering Manager

Bora will focus on your growth and help align your internship goals with your work at Waybiller. You will also have a buddy from the Waybiller Development Team, supporting you with your development process and helping you achieve your goals working on Waybiller.

Why should you join us?

Application process

1. What excites you about developing an AI Assistant for Waybiller?
2. How do you see this project aligning with your broader career goals, and how will it help you grow professionally?
3. Do you have any experience working on an AI/ML project? If yes, please share some details regarding what kind of challenges you faced, and how you solved them? If applicable, provide a link to relevant repositories.
4. What skills and tools do you think are necessary for this project? Highlight which skills you already possess and which ones you aim to develop.

The first round is screening the applications and the answered questions. The answers can be sent either in a written form or as a short video - as long as it is in English!

The second round would be a test assignment based on our tech stack and an interview with the supervisor and HR.

Company description

Mercans - Global Payroll SaaS

https://mercans.com/

Introduction

Mercans is an international IT company offering comprehensive payroll and HR services. We specialize in developing innovative cloud-based Payroll, HR and Recruitment software solutions. Our main product is HR blizz, which is a web-based Payroll & HR system aimed at all level enterprises all over the world. Our goal is to make a payroll and HR system that just works – without the user having to be an expert on taxation and finance.

Our team consists of thriving professionals from diverse backgrounds that all share passion for innovation. We put great effort into fostering a friendly and supportive atmosphere across all our teams, ensuring a workplace where everyone feels valued and empowered.

Introduction video

Mercans' Global Payroll Platform - HR Blizz

Mercans

Location

Tartu, Estonia

We highly encourage interns to work from our office in Tartu. We believe that being physically present in the office provides the best learning experience, facilitates collaboration with our team, and ensures smoother onboarding into our projects. That being said, we are also open for hybrid arrangements based on need.

Language

English

Expected assignment

• Assisting in ML feature engineering, including data preprocessing and transformation for payroll-related datasets
• Supporting data processing tasks, such as data cleaning, visualization, and exploratory analysis
• Contributing to the development and maintenance of ML Ops pipelines, ensuring smooth model deployment, monitoring, and re-training
• Assisting in ML Operations, including deploying models into production and helping refine existing models for improved performance
• Working closely with senior data scientists, data engineers, or ML engineers, occasionally in pairs, to help develop and experiment with new models for payroll automation
• Conducting research on AI-driven enhancements for payroll accuracy and compliance
• Participating in technical discussions, daily stand-up meetings, sprint planning, and backlog updates
• Supporting the development team with coding, debugging, and documentation tasks

The position combines elements of ML engineering, ML Ops engineering, and Data Science. Eventually you will have the opportunity to explore and grow in one or more of these directions.

Topics for Your Master’s Thesis

• Automation of payroll processes using AI-driven workflows
• Enhancing payroll accuracy through NLP-based data extraction
• Designing scalable ML models for international payroll automation and anomaly detection.

Expectations for applicant

• Understanding of ML, AI, and data processing techniques
• Previous experience with Python (preferrably) or Java/Kotlin programming languages
• Understanding of Agile development processes

Supervisors

Oleg Denysenko - Director of AI/ML Engineering
Parag Saxena - Senior Data Scientist
Danica Novakovic - Senior Back-End Developer

Why should you join us?

Mercans combines 20 years of global experience with an innovative, forward-thinking mindset. We are pioneers in payroll technology, constantly pushing boundaries to automate and optimize complex processes.

At Mercans, you’ll find a fun team of professionals from all over the world that thrives on big ideas, collaboration, and innovation. Rest assured, we are committed to providing you with every opportunity to learn, grow and stretch to the highest level of your ability and potential.

Application process

1. Tell us about yourself:
   In a short description, share your experience with ML and AI and what excites you about working on payroll-focused ML features. What makes you a great fit for this project and our team?
2. Interview:
   Selected candidates will be invited for an interview, either in person or virtually.
3. Test assignment
   Candidates may also be asked to complete a short practical assignment related to payroll-focused ML features to demonstrate their skills.

Company description

Introduction

University of Tartu Autonomous Driving Lab was founded in 2019 together with Estonian ride-hailing unicorn Bolt. The main goals of our lab are:

• Evaluate the self-driving technology for Bolt’s business cases, e.g. robotaxi.
• Create a competence center of self-driving technologies in Estonia and Tartu.
• Prepare future workforce for Estonian self-driving companies, including Bolt.

Our lab has a real self-driving vehicle built on top of the Lexus SUV platform which we regularly test in the city center of Tartu.

Introduction video

Autonomous Driving Lab September Street Demo

Image

Location

Language

Estonian or English

Expected assignment

Testing track:

• Preparing scenarios for testing the self-driving vehicle in simulation
• Mining driving logs for interesting traffic situations
• Converting driving log situations into test scenarios

Machine learning track:

• Training machine learning models for traffic light detection
• Training machine learning models for object detection
• Fusing detections from multiple models / sources

Topics for Your Master’s Thesis

• Scenario mining for testing self-driving vehicles
• Temporal traffic light detection for blinking light detection
• Temporal multi-view/multi-modal object detection

Expectations for applicant

Testing track:

• Comfortable with Python
• Prior exposure to Robot Operating System (ROS) is a plus
• Driving license is a plus

Machine learning track:

• Comfortable with Python
• Comfortable with one of the major machine learning frameworks, e.g. PyTorch, TensorFlow, Keras, etc.
• Statistics/data analysis background is a plus

Supervisors

Tambet Matiisen - project manager

Why should you join us?

Application process

Start by first answering these four questions:

1. What draws you to self-driving cars?
2. What have been the most challenging projects that you have done previously, either in school or for personal use? Please include Github/demo links if possible.
3. What is your experience with robotics and hardware in general? Do you enjoy the messiness of the physical world, or would you prefer to work in a clean simulation?
4. What is your ideal work style? Do you prefer to work in private or in a team? Do you prefer clear guidance o,r given a goal, you prefer to find the solution on your own?

There are no right or wrong answers here; different people are suited for different tasks.

Based on the answers/links we may decide to give you a trial assignment. The assignment will be a small coding exercise in Python.

The final stage is a face-to-face interview with the team.

Company description

Introduction

Introduction images

Location

Language

Estonian or English

Expected assignment

• Collaborate with the team to prepare and analyze unstructured data (financial reports, news).
• Contribute to training and testing machine learning models (LLM, RL).
• Test our experimental software prototype (TRL 7) and validate results.
• Assist with front-end/back-end integration (e.g., connecting data pipelines).
• Help document processes (e.g., how-to guides, test protocols).

Topics for Your Master’s Thesis

• Applying reinforcement learning to optimize stock recommendations.
• Fine-tuning LLM’s for reasoning about stock recommendations.
• Using generative language models for automated financial report summarization

Expectations for applicant

• Know-how in AI, machine learning, and/or data analytics
• Familiarity with Python (preferably with frameworks like TensorFlow or PyTorch)
• Experience in data wrangling, NLP, or RL is a plus
• Willingness and ability to work in a team, communicating openly in English or Estonian

Supervisors

Kristjan Eljand, CEO - Project Manager, AI Strategy Lead, Designer of investment models

Why should you join us?

Application process

First round: Submit a brief motivation letter/video: Why are you interested in AI-driven stock analysis?

1. Include an example or overview of an AI/ML project you’ve done (coursework or hobby).
2. Describe which programming languages and frameworks you’re familiar with (e.g., Python, PyTorch, TensorFlow).
3. Optionally, propose an initial idea for your Master’s thesis.

Second Round: in-person or virtual interview. Possible test task on model testing/code improvement.

Ettevõtte üldinfo

Tarmetec on Eesti metallitööstusettevõte, mis arendab ja valmistab autodele lisavarustust ning pakub tootearendus- ja tootmisteenuseid klientidele erinevatest tööstussektoritest üle maailma.

Koduleht: https://metecgroup.eu/

Tutvustav info

Tarmetecis disainitud, arendatud ja valmistatud autode lisavarustustooteid müüakse Metec brändi all enamikes Euroopa riikides. Lisaks omatoodangule pakume allhanketeenuseid. Suur osa Tarmeteci allhanketoodangust on lõpptooted, mida kasutatakse autotööstuses, masinaehituses, meditsiinis, ravimitööstuses, toiduainetetööstuses ja mujal.

Meie kliendid on rahvusvahelised ja börsil noteeritud suurettevõtted, kelle teenindamiseks ja hoidmiseks peame olema tehnoloogiliselt kõrgel tasemel ning innovatsiooniga teistest ees.

Tule sinagi ja anna oma panus!

Video

Töö asukoht

Asukoht: Tartu

Formaat: hübriid (meeskonnatöö toimub osaliselt kohapeal)

Töökeel

Eesti ja inglise

Eelduslikud ülesanded

• koosolekutel osalemine
• dokumentatsiooni koostamine
• andmete visualiseerimine

Uurimisteema magistritööks

Magistritöö eesmärgiks on võrrelda metallitööstusettevõtte teoreetilisi töö teostamise aegu (tavaliselt määratud sekundites iga detaili kohta) tegelike töö teostamise aegadega, analüüsida võimalikke kõrvalekaldeid ning optimeerida partii suurusi, et saavutada tootmisprotsesside efektiivsus ja ressursside parem jaotamine.

Eelneva saavutamiseks on vaja:

• Töötada läbi 5 aasta jooksul kogunenud andmed tööde alustamise ja lõpetamise kohta.
• Kasutada statistilisi meetodeid, et võrrelda teoreetiliste ja tegelike tööde teostamise aegade erinevusi ja tuvastada põhjuseid.
• Analüüsida partii suuruste mõju tootmisprotsesside ajakulu ja efektiivsusele.
• Kasutada analüütilisi või masinõppe meetodeid leidmaks optimaalsed partii suurused.

Tehnilised ja metoodilised nõuded:

• Andmete ettevalmistus
• Statistiline analüüs (regressioonianalüüs, hajuvuse analüüs, kõrvalekallete määramine)
• Masinõpe (mudelite loomine)
• Optimeerimisalgoritmide kasutus

Ülesanne annab tudengile konkreetsed eesmärgid ja suunised, kuidas analüüsida suurt andmemahtu, võrrelda teoreetilisi ja tegelikke tööaegu ning välja töötada strateegiaid (mudelid) tootmisprotsesside optimeerimiseks.

Ootused kandideerivale tudengi oskuste ja teadmiste kohta

• CRISP-DM metoodika tundmine
• SQL keele valdamine kestasemel
• Power Bi tundmine kesktasemel
• Jupyter Notebooki kastumise oskus

Ettevõttepoolsed juhendajad

Miks peaks üliõpilane valima selle positsiooni?

Täiendavad küsimused kandidaatidele

Asutuse üldinfo

Päästeamet on üle 30 aasta aidanud luua Eesti elanikele ohutut ja turvalist elukeskkonda, teostades pääste- ja demineerimistöid, ohutusjärelevalvet, ennetustöid ning korraldades kriisireguleerimist.

Meie väärtused on abivalmidus, julgus ja usaldus ning oma eesmärke saame ellu viia vaid igaühe kaasabil – elanikud, partnerid, kohalikud omavalitsused, riigiasutused, vabatahtlikud ja Päästeameti teenistujad aitavad kõik kaasa turvalise elukeskkonna loomisele.

Tutvustav info

Video

Töö asukoht

Keelenõuded

Väga hea eesti keel

Eelduslikud ülesanded

• andmete korrastamine, ettevalmistamine ja märgendamine;
• masinõppemudelite ja eelnevate uurimistööde analüüs;
• andmeanalüüs ja masinõppemudelite rakendamine;
• mudelite testimine;
• dokumentatsiooni kirjutamine

Uurimisteema magistritööks

Ootused kandideerivale tudengi oskuste ja teadmiste kohta

• tunneb end mugavalt Python/R tarkvaraga ning teab põhilisi andmeteaduse teeke;
• teadmised statistilisest analüüsist ja masinõppest;
• hea meeskonnatööoskus.

Ettevõttepoolsed juhendajad

Miks peaks üliõpilane valima selle positsiooni?

Täiendavad küsimused kandidaatidele

Kandidaadil peaks olema valmidus läbida taustakontroll.

Esimese kandideerimisvooru küsimused:

1. Millised on Su varasemad kogemused andmeanalüüsi või masinõppe valdkonnas?
2. Milliseid keelemudelite rakendamise võimalusi näed päästevaldkonnas?
3. Millised on Su ootused antud praktikalt või Päästeametilt?

Teises kandideerimisvoorus ootab Sind ees vestlus, kus arutame Sinu varasemaid kogemusi, ideid ja sobivust meeskonda.

Company description

Swedbank

Business domain: Financial services

Introduction

Swedbank is one of the largest banks in our home markets in the Baltics and Sweden with more than 7.3 million private and 600 000 business customers. We offer a wide selection of financial services and work every day to support people, businesses, and society to grow by promoting a healthy and sustainable economy.

www.swedbank.ee/careers

Introduction video

Location

Language

English

Expected assignment

Our data science team is based within the Anti-Financial Crime (AFC) function of the bank, developing high quality and dependable data science products. In our team you will:

• Participate directly in one of our delivery teams delivering products for AFC or the wider bank
• Experience the Scaled Agile Framework for Enterprise (SAFe) way of working
• Collaborate closely with our stakeholders to learn about the domain and ensure the products we build together are relevant to the bank’s needs
• Apply state-of-the-art AI methods to extract knowledge and identify solutions from vast quantities of data

Contribute to developing, deploying and operationalizing data science products

Topic for Your Master’s Thesis

• Develop advanced methodology for creating synthetic data representative of our customers’ behaviors
• Apply federated learning to share model information in collaboration with AI Sweden and other organizations
• Mine and collate information from external sources to better understand our customers and their needs, either through traditional AI methods or Generative AI

Expectations for applicant

• Team player that lives the Swedbank values of Open, Simple and Caring
• Strong and humble communicator
• Knowledgeable about the application of statistical methods, AI and machine learning to complex data sets
• Familiarity with Python and common development practices (e.g. PEP 8, version control; testing)

Supervisors

Why should you join us?

Application process

Questions to address in an application either in text or through video

1. Why do you want to work at Swedbank?
2. Who or what inspired you to work in data science?
3. In two or three sentences describe your favourite data science project that you have been involved in, focussing on why the project was important and the tangible outcomes your work to that goal.
4. What do you want to achieve and learn working with Swedbank during your industrial masters?

If we take your application further, we will have a series of virtual interviews to learn more about you and to test your data science skills.

Company description

Introduction

Apromore is a global provider of AI-driven business process optimization technology. Our AI copilot enables managers to analyze and simulate their processes based on data. Come and join our AI dev team!

https://apromore.com

More information

Location

Language

English

Expected assignment

You will be part of our AI copilot development team, reporting to our tech lead for GenAI. Your tasks will include:

• Write code in Python and/or Java
• Peer-review pull requests
• Write unit tests
• Participate in agile ceremonies
• Participate in solution and architectural discussions
• Evaluate solutions, e.g. via proof-of-concepts
• Design and execute benchmarks to evaluate performance, accuracy, and other NFRs.

Topic for Your Master’s Thesis

• GenAI copilot for automated dashboard generation
• or GenAI copilot for discovery of business process automation opportunities
• or GenAI tool to enrich business process models with information extracted from unstructured documents.

Expectations for applicant

• Feels comfortable working with Python and/or Java (preferably both)
• At least basic knowledge of Javascript/React code
• Knows how to write purposeful tests
• Ready to work with GenAI APIs and AI orchestration frameworks such as LangGraph
• Highly proactive in communication and ready to challenge requirements and think in terms of value delivered to users
• Always willing to collaborate with team members.

Supervisors

Why should you join us?

At Apromore, we're not just building software. We're revolutionizing how businesses tap into their data to unlock productivity and customer excellence.

We’re a global team of innovators collaborating across Australia, U.S., Germany, Finland, and Estonia to push the boundaries of process intelligence.

If you’re passionate about AI, data science, and high-end software products, and want to work in an environment where your ideas matter, Apromore is the place to be.

Application process

For the first round of admission, submit a link to a video of up to 10 minutes (shorter is OK) addressing the following points:

• Tell us about your software development skills and experience (open-ended question, anything you wish to tell us).

• How do you use copilots for software development? For which tasks do you see more value? Give us or show us concrete examples of how GenAI copilots have helped you and counter-examples where they have not been useful?

• In what other contexts have you used GenAI copilots (other than for software development)? Give us concrete examples of how you use them, including how do you usually prompt them and interact with them? What are they useful for? When have they been less useful to you?

• What skills and/or attitudes would you wish to develop during your industrial masters progam? Why do you think Apromore is a great place for you to develop these skills and/or attitudes?

If accepted to the second round, we will give you a small assignment consisting of developing a very small copilot using any LLM and API of your choice to answer certain types of questions (we will give you a spec with inputs and outputs your copilot should handle).

You will then be offered an interview where you will present to us your mini-copilot design and implementation, and we’ill ask you some technical and organizational questions (and you’ll also get a chance to ask us questions).

Asutuse üldinfo

Tutvustav info

Loe lähemalt

Töö asukoht

Tehas asub Tartu vahetus läheduses Elvas.

Kuna väljapakutud teema on seotud osalt ka tootmisseadmetega, siis see eeldab projektiosalejal viibimist ka tehases. Kõik projekti kontaktisikud on alalise ametikohaga Elvas.

Keelenõuded

Projekti töö keel võib olla nii eesti kui ka inglise keel.

Eelduslikud ülesanded

IoT rakendamisvõimaluste kaardistamine tootmis- protsessides, koostöös Elva tehase inseneride ning tootmisorganisatsiooniga.

Standardse IoT platvormi arendamine, mis võimaldab parendada protsessi tulemuste jälgitavust valitud töölõikudes.

Erinevate andmestruktuuride integreerimine, et suurendada protsesside tulemusjuhtimise tõhusust.

Uurimisteema magistritööks

Tootmisprotsessi jälgitavuse täiustamine IoT lahenduste abil.

Standardiseeritud andmekogumise platvormi arendamine tootmisettevõttele.

Ootused kandideerivale tudengi oskuste ja teadmiste kohta

• hea meeskonnatöö oskus;
• arusaam IoT tööpõhimõtetest ja seadistamisest;
• heal tasemel programmeerimisoskus;
• heal tasemel teadmised andmebaasidest ja API’dest

Ettevõttepoolsed juhendajad

Jaan Oder, IT juht

Severin Israel, tootmisjuht

Kaarel Adamson, protsessiinseneeria juht

Miks peaks üliõpilane valima selle positsiooni?

Täiendavad küsimused kandidaatidele

Esmased küsimused kandideerijale, millele ootame kirjaliku vastust

1. Millised on teie kogemused tootmisseadmete (sh IoT seadmete) ja platvormide arendamisel? Palun kirjeldage mõnda projekti, milles olete osalenud, ja milliseid tehnoloogiaid kasutasite.
2. Kuidas tagate IoT seadmete turvalisuse ja andmete privaatsuse? Palun tooge näiteid meetmetest ja parimatest tavadest, mida olete rakendanud.
3. Millised programmeerimiskeeled ja tööriistad on teie arvates kõige olulisemad IoT lahenduste arendamisel? Kuidas olete neid oma varasemates projektides kasutanud?
4. Kuidas lähenete probleemide lahendamisele ja tõrkeotsingule IoT süsteemides? Palun jagage näidet olukorrast, kus pidite lahendama keerulise tehnilise probleemi.

Kandideerimisprotsessi teises voorus toimuvad kandidaatide intervjuud kohapeal Elva tehases.

About SensusQ

SensusQ transforms intelligence in the age of AI: how organisations turn vast, complex sets of data into actionable insights — in a fast and secure manner, with a human firmly on-the-loop.

For more information, visit the company website.

Introductory paragraph

In our dual-use platform, we blend decades of defence and intelligence experience with cutting-edge AI to build a platform that preserves data sovereignty, accelerates decision cycles, and empowers analysts and deciders alike to act with confidence.

By integrating multi-domain data sources, streamlining workflows, and enabling real-time access, we aim to make critical decisions more effective and reduce friction, not add it. What we build is more than software — it’s a force multiplier in the service of decisive, informed action, built from the ground up, for the age of AI.

Arrangement of collaboration

Location: Tallinn (hybrid is possible)

Format: In-person and remote mix (with the expectation of some on-site teamwork)

Language: English is our main working language.

Expected general assignments

• Automatically generate / update the knowledge graph, adding entities, relations, temporal links, and links to multimodal evidence.
• Integrate with the timeline & map components so that detected events can be visualised (map locations, time spans) and connected to KG entries.
• Work towards getting actionable insights by applying graph theory, as well as, graph neural networks based methods.
• Ensure the solution is scalable (works with large volumes of data, incremental updates, retraining/minibatching) and robust (noise, missing data, conflicting info).

Topic for master’s thesis

Graphusion - Leveraging Large Language Models in Order to Construct and Operationalize Knowledge Graphs

Take a look at the thesis proposal here.

(Technical) expectations for applying student

• Understanding of machine learning concepts and Large-Language Models
• Familiarity with Python and common data science libraries (NumPy, Pandas, TensorFlow or PyTorch)
• Familiarity with SQL
• Team player with a proactive approach to problem-solving
• Previous work with knowledge graphs is considered a merit

Supervisors

SensusQ: Jaan Übi, Lead Data Scientist

Institute of Computer Science: Eduard Barbu, Research Fellow in Natural Language Processing

Why should you join us?

Work in a startup on High-Impact, Real-World Problems - for the good of our clients, such as Eesti Laulu- ja Tantsupeo Sihtasutus, for the peace and security of Estonia and of Europe at large.

Data: our multimodel analytics platform is spatio-temporal, including a map component, a timeline, textual and image/video sources, a knowledge-graph - all of which is big data ready.

AI: in the form of AI, we have building-blocks, that tie all the data together and enrich it in a timely manner, with Agentic being the latest in our lego-set. For a data scientist in intelligence domain, data loves to live together - which is what model creators also aspire for, in order to create maximum value.

Great team atmosphere and company culture!

Application process

Round 1:

• Short video where you introduce yourself and share why you want to join us at SensusQ.
• What excites you about starting to work with knowledge graphs in a multimodal data environment?
• Describe a small project you’ve done and your biggest takeaway.
• How do you see this internship contributing to your long-term career goals?

Round 2:

• Virtual or in-person interview with our Data Science team. We’ll discuss your ideas and walk you through the day-to-day internship tasks.