Die Stelle ist zunächst bis zum 31.12.2028 im Rahmen des Vorhabens „DyNaMo“ gemäß der Laufzeit befristet (Qualifikationsstelle gem. § 2 WissZeitVG). Eine Verlängerung der Beschäftigung ist geplant. Die Möglichkeit zur Habilitation ist gegeben.
Das Fachgebiet Intelligente Eingebettete Systeme (IES) forscht im Bereich der Grundlagen und der Anwendungen von Methoden der Datenanalyse, des Maschinellen Lernens (z.B. Deep Learning, Active Learning) und der Künstlichen Intelligenz. Schwerpunkte in der Grundlagenforschung sind beispielsweise selbst-lernende und selbst-organisierende Systeme, Methoden des kollaborativen und aktiven Lernens, Methoden des Transferlernens oder Techniken zur Echtzeitanalyse von Zeitreihen. Schwerpunkte der angewandten Forschung liegen in den Bereichen Energiesysteme, Automobil (Autonomes Fahren) und Experimental-physik/Werkstoffe. Im Fachgebiet IES arbeiten aktuell etwa 20 Mitarbeitende in den genannten Bereichen.
*Aufgaben:**
Verfahren für die Erfassung des Fahrverhaltens von Radfahrenden mittels maschineller Lernverfahren (insbesondere Deep Learning Ansätze) basierend auf Daten von Kfz-Sensorik (z.B. Kamera und LiDAR).
Ansätze des Cross Labeling zur hochautomatisierten Annotation von Verhaltensdaten von Radfahrenden, d.h. Übertragen von „Labeln“ von beispielsweise Kameradaten auf LiDAR-Daten.
Verfahren zur Zusammenführung von Informationen aus mit unterschiedlichen Datenmodalitäten trainierten Modellen und Evaluation des daraus entstehenden Informationsgewinns.
Planung und Durchführung von Messkampagnen in Form von Laborexperimenten wie auch Feldexperimenten.
Forschung im Rahmen des Projekts DyNaMo.
Mitarbeit an allgemeinen Aufgaben des Fachgebiets.
*Voraussetzungen:**
Eine abgeschlossene Promotion und ein abgeschlossenes wissenschaftliches Hochschulstudium in Informatik oder einem eng verwandten Gebiet.
Sehr gute Kenntnisse in Perzeption und Computer Vision.
Sehr gute grundlegende Kenntnisse in Maschinellem Lernen und Datenanalyse.
Erfolgreiche wissenschaftliche Laufbahn mit hochrangigen Veröffentlichungen in den relevanten Tätigkeitsfeldern.
Erfahrung in der Einwerbung von Drittmitteln (z. B. LOEWE, BMFTR, DFG).
Erfahrung in der Programmierung, insbesondere in Python, aber auch anderen Programmiersprachen.
Gute Kenntnisse in KI-Tools, z. B. PyTorch, Tensorflow, Sklearn, Pandas, OpenCV und NumPy.
Eine strukturierte Arbeitsweise, die es Ihnen ermöglicht, ein Team zu leiten.
Neugier auf Herausforderungen bei Anwendungen des Maschinellen Lernens im Bereich des automatisierten Fahrens.
Selbständige und zielorientierte Arbeitsweise und Freude am wissenschaftlichen Arbeiten.
Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift (jeweils mindestens B2 Niveau).
In Deutschland gültiger Führerschein für PKW.
*Von Vorteil sind:**
Organisatorische und koordinatorische Erfahrungen (z. B. Projektmanagement, Teamleitung).
Erfahrung in der Betreuung von Promovierenden z. B. bei Veröffentlichungen.
Als Beschäftigte:r des Fachbereichs: Intelligente Eingebettete Systeme
leiten Sie ein kleines aber hoch motiviertes Team,
besteht für Sie die Möglichkeit der Teilnahme an Konferenzen, Summer Schools und verschiedenen Weiterbildungsangeboten (z.B. die Möglichkeit einer Habilitation),
können Sie einen eigenen, sehr großen Slurm-basierten Compute-Cluster (CPU und GPU) nutzen,
können Sie einen eigenen, modernen Versuchsträger (Kfz mit Kamera, LiDAR, und Radar) nutzen,
können Sie neue Methoden entwickeln, die in praktischen Anwendungen genutzt werden.
Für Rückfragen steht Prof. Dr. B. Sick, bsick(at)uni-kassel.de, zur Verfügung.
We show an excerpt and a link, and the full text when the source allows it. Brands and logos shown belong to their owners.
