Blätter-Navigation

An­ge­bot 130 von 167 vom 11.11.2019, 10:57

logo

Tech­ni­sche Uni­ver­sität Ber­lin - Fakul­tät IV - Insti­tut für Tech­ni­sche Infor­ma­tik und Mikro­elek­tro­nik / FG Remote Sen­sing Image Ana­ly­sis

Wiss. Mit­ar­bei­ter*in (d/m/w) - Ent­gelt­gruppe 13 TV-L Ber­li­ner Hoch­schu­len

unter Vor­be­halt der Mit­tel­be­wil­li­gung - Teil­zeit­be­schäf­ti­gung ist ggf. mög­lich

Auf­ga­ben­be­sch­rei­bung:

Ent­wick­lung inno­va­ti­ver Metho­den des maschi­nel­len Ler­nens (mit beson­de­rem Schwer­punkt auf Deep Lear­ning) für die Ana­lyse gro­ßer Daten­men­gen aus dem Welt­raum.
Die Haupt­the­men beinhal­ten:
1) Ent­wick­lung von Deep Lear­ning Model­len, wel­che die Pro­bleme des Daten­un­gleichs­ge­wichts (data imba­lance pro­blem) bei der Klas­si­fi­ka­tion von Satel­li­ten­bil­dern über­win­den kön­nen.
2) Inte­gra­tion von Crowd­sour­ced-Daten (z. B. Open­Street­Map-Tags) in Deep-lear­ning Model­len zur Extrak­tion von seman­ti­schen Bild­in­for­ma­tio­nen.
3) Ent­wick­lung von Metho­den des akti­ven Ler­nens (acitve lear­ning), wel­che auf ent­wi­ckel­ten Deep Lear­ning Net­zen anwend­bar sind.

Er­war­te­te Qua­li­fi­ka­tio­nen:

  • erfolg­reich abge­schlos­se­nes wis­sen­schaft­li­ches Hoch­schul­stu­dium (Mas­ter, Diplom oder Äqui­va­lent) in Infor­ma­tik oder Tech­ni­scher Infor­ma­tik
  • Erfah­rung im Maschi­nel­len Ler­nen, Data-Mining, Deep Lear­ning
  • solide Pro­gram­mier­kennt­nisse
  • gute Erfah­run­gen mit min­des­tens einem Deep Lear­ning Frame­work (Ten­sor­flow, Caffe, PyTorch)
  • exzel­lente Eng­lisch­kennt­nisse in Wort und Schrift; gute Deutsch­kennt­nisse sind erfor­der­lich; Bereit­schaft die jeweils feh­len­den Sprach­kennt­nisse zu erler­nen

Hin­wei­se zur Be­wer­bung:

Ihre schrift­li­che Bewer­bung rich­ten Sie bitte unter Angabe der Kenn­zif­fer mit den übli­chen Unter­la­gen an die Tech­ni­sche Uni­ver­sität Ber­lin - Der Prä­si­dent - Fakultät IV, Institut für Technische Informatik und Mikroelektronik, FG Remote Sensing Image Analysis, Prof. Dr. Begum Demir, Sekr. E-N 5, Einsteinufer 17, 10587 Berlin oder per E-Mail an jobs@rsim.tu-berlin.de.

Zur Wahrung der Chancengleichheit zwischen Frauen und Männern sind Bewerbungen von Frauen mit der jeweiligen Qualifikation ausdrücklich erwünscht. Schwerbehinderte werden bei gleicher Eignung bevorzugt berücksichtigt. Die TU Berlin schätzt die Vielfalt ihrer Mitglieder und verfolgt die Ziele der Chancengleichheit.

Aus Kostengründen werden die Bewerbungsunterlagen nicht zurückgesandt.
Bitte reichen Sie nur Kopien ein.