Log inSign up free
  • Home
  • Profile
  • Jobs
    • Applications
    • Career
    • Resume
    • Cover letters
  • Content
    • Posts
    • Media
  • Messages
  • Analytics
    • Overview
    • Pages
  • Portfolio
  • More tools
    • Hiring
  • Settings
All jobs
USUMS Skeldar logo

UMS Skeldar

Linköping

Examensarbete: Detektion och klassificering av maritima objekt i videodata.

DATA & ML
UMS SKELDAR utvecklar en obemannad helikopter för att stötta marina, militära och samhällsviktiga operationer. Vi har en snabb och dynamisk arbetsmiljö med entreprenörsanda. På UMS Skeldar får du den unika chansen att lämna ditt fotavtryck inom vår organisation med snabba reaktionstider och högt engagemang.


Key words: Master Thesis, Exjobb, Examensarbete, UAV, machine learning, computer vision, object detection, classification, AI.

Under våren 2027 söker vi 1–2 studenter för att vidareutveckla stödet för att tolka videodata insamlad av den obemannade helikoptern Skeldar V-200. Ni blir en del av teamet System & Software som består av ca 40 medarbetare med fokus på system- och mjukvaruutveckling för helikoptrar och markstationer. Förutom ett intressant exjobbsproblem kommer ni att få god insikt i arbetsmiljön på ett högteknologiskt bolag.

Examensarbete inom detektion och klassificering hos oss:

Skeldar V-200 är en obemannad helikopter som bland annat används för sökuppdrag i maritima miljöer. För att hjälpa sensoroperatören att upptäcka och känna igen intressanta objekt i en videoström är det önskvärt med funktioner som automatiskt upptäcker och klassificerar de objekt som rör sig på vattenytan. Om det dyker upp nya sorters objekt, så är det önskvärt om klassificeraren uppmärksammar operatören på detta och kan lära sig att känna igen även dem i framtiden. Syftet med exjobbet är att undersöka olika maskininlärningsmetoder för att träna upp en klassificerare för maritim miljö med begränsad mängd träningsdata. Träningen och utvärderingen kommer använda förinspelad video från Skeldar och/eller öppna dataset av relevant slag.

Lämpliga steg i arbetet:

  • Identifiera lämpliga dataset.

  • Litteraturstudie för att hitta metoder för att bygga klassificerare.

  • Implementera en eller flera klassificerare och träna den på data.

  • Utvärdera klassificeraren/na.

  • Utifrån resultatet och litteraturen, identifiera metoder för att förbättra klassificeraren och testa dessa.

  • Rapportskrivning och framtagning av presentation.

Under examensarbetet har ni självklart en handledare på UMS Skeldar som stöttar er med stöd, avgränsningar och förståelse för användarfallet.

Låter examensarbetet intressant? Tveka inte att söka redan idag!

Är du den vi söker?

Vi söker 1–2 studenter som planerar att göra sitt examensarbete om 30hp under våren 2027 inom ett relevant teknikområde till exempel: Datavetenskap, Teknisk fysik, Elektroteknik eller Mjukvaruutveckling. Meriterande är om ni har god kunskap inom AI och datorseende.

Vi lägger stor vikt vid personliga egenskaper för att ni ska trivas i rollen. Vi söker er som är självgående problemlösare med god samarbetsförmåga. Rollen kräver både engelska och svenska i tal och skrift.

Ni behöver även regelbundet kunna ta er till vårt kontor i Hackefors.

Vi erbjuder:

  • en möjlighet att vara en del av ett dynamiskt företag som ständigt utvecklas, där din påverkan spelar en viktig roll.

  • en högteknologisk produkt som just nu ligger i framkant på marknaden.

  • en familjär arbetskultur som karaktäriseras av samarbete och högt engagemang.

  • aktiviteter som främjar både social gemenskap och hälsa, genom vår Festkommitté, Hälsokommitté, Brädspelskommitté och ett Kvinnligt Nätverk.

More information:

  • Arbetsplats: Linköping

  • Start: Våren 2027

  • Vi önskar att ni bifogar betygsutdrag i ansökan så att vi får information om vilka kurser ni har läst.

För en anställning hos oss på UMS Skeldar krävs att du genomgår och godkänns enligt vid var tid gällande bestämmelser för säkerhetsskydd. Roller där vi har krav på säkerhetsklassinplacering kan, i förekommande fall, medföra krav på visst medborgarskap.

Ansökan:

Se till att bifoga följande i er ansökan:

  • CV

  • Betygsutdrag från universitetet. Bifoga detta gärna under "Additional files".

Söker ni som ett par? Gör en gemensam ansökan och inkludera båda medlemmarnas CV och betygsutdrag i samma ansökan.

Vi behandlar ansökningar löpande. Vi ser fram emot din ansökan!

Pay
Not stated
Where
Linköping · Sweden · SE
Work
Not stated
Type
Not stated
Posted
28 Sep, 2026
Apply on the original postingSign in to apply

Unverified board

more at UMS Skeldar.

18 Dec, 2025

UMS Skeldar

Systemsäkerhetsingenjör

USUMS Skeldar logo
  • Engineering

Linköping +2

Salary not listed

Details
2 Apr, 2026

UMS Skeldar

Beräkningsingenjör/Hållfasthetsingenjör till UMS Skeldar i Linköping

USUMS Skeldar logo
  • Engineering

Linköping +2

Salary not listed

Details
17 Apr, 2026

UMS Skeldar

Systems Engineer till UMS Skeldar i Linköping

USUMS Skeldar logo
  • DevOps & Infra

Linköping +2

Salary not listed

Details

similar roles.

23 Oct, 2026

SAMY

Data Analyst

SASAMY logo
  • Full time
  • Data & ML

Warsaw +2

Full time

Details
8 Jan, 2026

Tensorlake

Senior Applied Research Scientist – Core AI & Document Intelligence

TETensorlake logo
  • Full time
  • Senior level
  • Remote
  • Data & ML

San Francisco, CA +1

Remote

Details
23 Oct, 2026

thinkbrg.com

Sr. Managing Consultant/Managing Consultant Data Engineer- Financial Services Operations & Technology

TCthinkbrg.com logo
  • Senior level
  • Data & ML

BRG-New York NY, United States of America

Salary not listed

Details
23 Oct, 2026

thinkbrg.com

Sr. Managing Consultant/Managing Consultant AI Architect - Financial Services Operations & Technology

TCthinkbrg.com logo
  • Senior level
  • Data & ML

$158k–180k/yr

BRG-New York NY, United States of America

Details
1 Oct, 2026

Rugiet

Patient Support Agent

RURugiet logo
  • Full time
  • Data & ML

$17–20/mo

Austin, TX

Details
1 Oct, 2026

Rugiet

Director of Data

RURugiet logo
  • Full time
  • Leadership
  • Data & ML

Austin, TX

Full time

Details