Studentische Hilfskraft für Bild-Auswertung mit Machine Learning (all genders)

Die Fraunhofer-Gesellschaft (www.fraunhofer.de) betreibt in Deutschland derzeit 76 Institute und Forschungseinrichtungen und ist eine der führenden Organisationen für anwendungsorientierte Forschung. Rund 32 000 Mitarbeitende erarbeiten das jährliche Forschungsvolumen von 3,4 Milliarden Euro.

BEI UNS ZÄHLT DIE IDEE –
UND DER MENSCH DAHINTER.
VERÄNDERUNG STARTET MIT UNS.

Wir am Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF stehen für anwendungsorientierte Forschung mit Weitblick. Wir entwickeln wegweisende Lösungen für #Nachhaltigkeit - mit Schwerpunkten auf Leichtbau, Circular Economy, smarten Strukturen sowie auf der Langlebigkeit und Zuverlässigkeit von Bauteilen und Systemen. Möchtest du gemeinsam mit uns die Zukunft nachhaltiger Technologien gestalten?

Studentische Hilfskraft für Bild-Auswertung mit Machine Learning (all genders)
Darmstadt

Was Du bei uns tust

Im Rahmen eines Forschungsprojekts wird ein Prozess zur Schadensdetektion und -analyse an Elastomerproben entwickelt. Ziel des Projektes ist, ein durch maschinelles Lernen trainiertes Modell zu erstellen, welches die Schadensanalyse anhand von bildgebenden und zusätzlich bereitgestellten Informationen (z.B. Shorehärte) automatisiert durchführt und die Schadensursachen selbstständig bewertet. In studentischen Vorarbeiten wurde eine erste Machine Learning Pipeline zur Objekterkennung und Bilddatenauswertung erstellt, die im weiteren Projektverlauf angepasst und um Methoden der erklärbaren KI ergänzt werden soll. Des Weiteren sind Arbeiten zur synthetischen Datengenerierung geplant.

Literaturrecherchen und Vergleiche zu
- Machine Learning Verfahren zur Objekterkennung und -klassifizierung sowie zur Integration nicht-bildbasierter Informationen in Machine Learning Pipelines
- Verfahren zur synthetischen Bildgenerierung
- xAI-Verfahren im Kontext Objekterkennung und Bildklassifikation (Saliency Maps etc.)
Anpassung einer vorhandenen Machine Learning Pipeline zur Objekterkennung und Klassifizierung von Schadens-bildern an Elastomeren
Integration weiterer (nicht-bildbasierter) Informationen in die Machine Learning Pipeline
Integration von xAI-Verfahren
Dokumentation und Präsentation der Vorgehensweise und der Ergebnisse

Was Du mitbringst

Laufendes Studium der Informatik oder eines vergleichbaren Studiengang
Gute Kenntnisse in Machine Learning/ Deep Learning-Verfahren, Python zwingend erforderlich
Erfahrung im Umgang mit TensorFlow oder PyTorch
Kenntnisse in Bildverarbeitung und angewandter Objekterkennung
Idealerweise erste Erfahrungen mit GitLab
Eine Reststudiendauer von mindestens 12 Monaten
Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift

Was Du erwarten kannst

Ein interessantes Projekt mit hohem Praxisbezug
Einen Einstieg in eine wissenschaftliche Karriere
Verantwortungsvolle Aufgaben, mit denen du deine Kompetenzen ausbauen kannst

Die monatliche Arbeitszeit beträgt wahlweise 40 oder 60 Stunden. Die Stelle ist zunächst auf 12 Monate befristet, eine Verlängerung ist angestrebt. Die Tätigkeit findet am Standort Darmstadt-Kranichstein statt. Die Tätigkeitsschwerpunkte können je nach Interesse und Eignung angepasst werden. Die Vergütung richtet sich nach der Gesamtbetriebsvereinbarung zur Beschäftigung der Hilfskräfte.

Bereit für Veränderung? Dann bewirb dich jetzt, und mache einen Unterschied! Nach Eingang deiner Online-Bewerbung erhältst du eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen dir, wie es weitergeht.

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.

Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern. Das Gleiche gilt, wenn sie aufgrund einer Behinderung nicht alle Profilanforderungen erfüllen.

Du hast Fragen zur Stelle? Unser Kollegin Christiane Schäfer (Telefon +49 6151 705-466) und unser Kollege Cedric Mathieu (Telefon +49 6151 705 226) sind für dich da.

Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF

www.lbf.fraunhofer.de

Kennziffer: 79914 Bewerbungsfrist:

Stellensegment: Training, Industrial, Learning, Machinist, Education, Human Resources, Manufacturing

Jetzt bewerben »