Afstudeeropdrachten voor Software Engineering of Business, IT & Management studenten

Afstudeeropdrachten bij TRIMM

Afstudeeropdrachten voor Software Engineering of Business, IT & Management studenten

We zijn op zoek naar nieuwe afstudeerders op het gebied van software engineering of Business IT & Management vanaf februari 2019. We hebben op dit moment acht verschillende afstudeeropdrachten, hieronder kort beschreven. We horen graag of er een opdracht is die bij jou aansluit!  

Case: (big) data analyse voor online marketing

Studierichting: Software Engineering of Business, IT & Management

Voor een bekende Nederlandse elektronicafabrikant hebben wij verschillende portals, platformen en webapplicaties ontwikkeld. De gebruikersinteractie wordt in deze applicaties bijgehouden met behulp van Adobe Analytics (Omniture). Hierdoor beschikken we over een enorme bak data waarmee interessante analyses gedaan kunnen worden. Op basis van deze data is het bijvoorbeeld mogelijk om verbeteringen in de klantbeleving te ontwikkelen. In dit afstudeeronderzoek zou de hoofdvraag kunnen zijn: “Welke verbeteringen kan de elektronicafabrikant in haar customer journey doorvoeren op basis van te constateren patronen in het analytics dataset?”

Case: optimalisatie urenregistratie & facturatie

Studierichting: Business, IT & Management

Als gevolg van projectcomplexiteit, agile werkmethoden, parallel lopende projecten en de uitzonderingen in prijsafspraken, werken veel online agencies als een soort urenfabrieken. Het bedenken, ontwerpen, bouwen, hosten en onderhouden van webapplicaties is in feite het verkopen van uren in arbeidscapaciteit. De urenadministratie geeft weer welke uren aan welk project zijn besteed en dit wordt vervolgens doorberekend aan de klant. Het bijhouden van deze uren lijkt niet moeilijk, echter wijst de praktijk uit dat sommige collega’s vergeten om zijn of haar uren (volledig) te boeken, waardoor er vertragingen of onjuistheden kunnen ontstaan in de facturatie. We hebben daarom een afstudeeropdracht geformuleerd om dit praktische probleem op te lossen. Jouw onderzoeksvraag zou kunnen zijn: “Welke manier van projecturenadministratie kan TRIMM gebruiken om te komen tot kloppende facturen en budgetoverzichten, zonder dat dit (veel) input van de projectleden vereist?”

Case: geautomatiseerde testroutine verbeteren

Studierichting: Software Engineering of Business, IT & Management

De aanpak die wij zien als één van onze succesfactoren, is het zorgvuldig testen op verschillende soorten fouten en kwetsbaarheden vanaf de eerste sprint. Deze aanpak hebben wij toegepast op verschillende grote klanten zoals Philips, VodafoneZiggo en KLM. Onze zelfsturende teams verschillen soms van mening over de integratie van de testroutine en de manier van werken. Wil jij ons helpen om hier een eenduidige visie in te ontwikkelen? De centrale onderzoeksvraag kan zijn: “Op welke manier kan TRIMM haar geautomatiseerde testroutine verbeteren?”

Case: automatisch integreren securitymaatregelen met Spring Boot

Studierichting: Software Engineering

Eén van de onze softwareontwikkelteams werkt voornamelijk aan projecten waar een ‘core applicatie’ wordt opgezet als gecentraliseerde backend, waarvan mobiele applicaties (iOS & Android) en een webapplicatie gebruik maken. Hiervoor wordt het Spring Boot framework gebruikt. Om het uitrollen van nieuwe platformen te versnellen, zijn we constant op zoek naar effectievere manieren op gebruik te maken van het Spring Boot framework. We zoeken daarom naar een hbo-afstudeerder die bij kan dragen aan deze efficiëntieverbetering en een antwoord kan bieden op de vraag: “Hoe kunnen we een eigen abstractielaag toevoegen aan Spring Boot waarmee we noodzakelijke securitymaatregelen automatisch toepassen tijdens het opzetten van nieuwe platformen en hoe kunnen we deze techniek gemakkelijk implementeren bij bestaande platformen?”

Case: gebruikersprofielen verrijken door machinelearning

Studierichting: Software Engineering

De webapplicaties en platformen die we hebben ontwikkeld, kunnen de interactie tussen gebruikers bijhouden met tools zoals Adobe Analytics, Crazy Egg, Google Analytics en Hotjar. Deze gegevens worden gebruikt om de gebruikerservaring te verbeteren. Deze interactiegegevens kunnen ook ingezet worden om archetypische gebruikersprofielen op te stellen waarmee de webapplicaties gepersonaliseerd worden. Het interpreteren en implementeren van deze interactiegegevens kunnen wellicht verbeterd worden. Deze afstudeeropdracht richt zich op het toepassen van machinelearning in het verrijken van gebruikersprofielen ten behoeve van websitepersonalisatie. Ons idee voor een onderzoeksvraag is: “Hoe kunnen we machinelearning toepassen in het verrijken van gebruikersprofielen ten behoeve van websitepersonalisatie?

Case: (big) data voor personalisatie

Studierichting: Software Engineering

TRIMM heeft verschillende webapplicaties en platformen ontwikkeld die de interactie tussen gebruikers bijhouden. Middels tools zoals Adobe Analytics, Crazy Egg, Google Analytics en Hotjar. De gebruikerservaring kan verbeterd worden door deze gegevens te analyseren. Deze interactiegegevens kunnen ook ingezet worden om archetypische geKop 4bruikersprofielen op te stellen waarmee de webapplicaties gepersonaliseerd worden. Het interpreteren en implementeren van deze interactiegegevens kunnen verbeterd worden. Deze afstudeeropdracht richt zich dan ook op de koppeling tussen de analysetools en het Content Management Systeem, met als mogelijke onderzoeksvraag: “Wat is de beste manier om Magnolia Enterprise Edition geautomatiseerd te voeden met selectiecriteria om doelgroepen te differentiëren?”

Case: voorspellen onderhoudsmomenten IoT-apparaten

Studierichting: Software Engineering

Samen met een producent en technisch marktleider van mobiele stroomoplossingen zoals acculaders, omvormers en zonnepanelen hebben wij een systeem ontwikkeld waarmee de door hun gefabriceerde apparatuur op afstand kan worden uitgelezen. Deze gegevens worden op het dashboard van klanten weergegeven om inzicht te krijgen in de hoeveelheid energie en de gezondheid van hun systemen. Deze systemen worden vaak geplaatst op moeilijk te bereiken locaties waar vaak geen elektriciteitsnetwerk in de buurt is. Ongeplande downtime van de systemen kunnen wellicht voorkomen worden als we op een slimme manier preventief onderhoud uitvoeren. In deze afstudeeropdracht vragen we jou om een antwoord te vinden op de vraag “Hoe kunnen afwijkingen in door de elektriciteitssystemen gegenereerde data geautomatiseerd worden toegepast om ongeplande downtime van deze systemen te minimaliseren?”

Case: IoT-data voor cross-selling en up-selling

Studierichting: Software Engineering

Samen met een producent en technisch marktleider van mobiele stroomoplossingen zoals acculaders, omvormers en zonnepanelen hebben wij een systeem ontwikkeld die de door hun gefabriceerde apparatuur op afstand kan uitlezen. De gegevens worden weergegeven op het dashboard van klanten om inzicht te krijgen in de hoeveelheid energie en de gezondheid van de systemen. Deze systemen worden vaak op moeilijk te bereiken locaties geplaatst. Daarnaast is het in diezelfde omstandigheid niet vanzelfsprekend om de systemen snel en flexibel uit te breiden bij veranderende gebruikerseisen. Op basis van de data die deze systemen genereert, zouden we hele nuttige aanbevelingen kunnen doen over het aanpassen of uitbreiden van de systemen, wanneer dit noodzakelijk dreigt te worden. Jouw onderzoeksvraag zou kunnen zijn: “Hoe kunnen we gebruik maken van door elektriciteitssystemen gegenereerde data in het geautomatiseerd suggereren van cross-selling en up-selling opportunities?”

Ben je enthousiast over een opdracht?

Mooi, dat horen we dan heel graag! Laat weten welke afstudeeropdracht je het meeste aanspreekt. Stuur ons dan je CV, motivatiebrief en eventueel een codesample via solliciteren@trimm.nl, of gebruik het onderstaande contactformulier. Geef ook aan welke afstudeeropdracht je graag zou willen doen. Als je vragen hebt over een specifieke opdracht, kun je ons telefonisch bereiken op 053-4800480. Of staat jouw afstudeeropdracht er niet bij? Bekijk onze pagina voor bijbaan, stage of afstuderen bij TRIMM. 

*Met het versturen van jouw sollicitatiemail ga je akkoord met de noodzakelijke voorwaarde dat TRIMM-HR jouw persoonlijke gegevens deelt met een selecte groep collega’s binnen TRIMM om jouw kandidatuur te kunnen beoordelen. Jouw persoonlijke gegevens worden na voltooiing van jouw sollicitatietraject uit de systemen van TRIMM verwijderd.

Solliciteer hier

Transfer

Alle velden met een * zijn verplicht.

Contactgegevens

  • Enschede
    Moutlaan 25
    7523 MC Enschede
     
  • Utrecht
    Rotsoord 9
    3523 CL Utrecht
     
  • Amsterdam
    Danzigerbocht 39P
    1013 AM Amsterdam
     
  • Email: info@trimm.nl
     
  • Tel: 053 – 48 00 480
     
  • Postadres
    Postbus 1208
    7500 BE Enschede

KVK: 06069220
BTW Nummer: 801731458B01
Statutaire zetel: TRIMM Multimedia B.V., Enschede