Blätter-Navigation

An­ge­bot 293 von 599 vom 05.09.2018, 14:52

logo

Tech­ni­sche Uni­ver­sität Ber­lin - Fakul­tät IV - Insti­tut für Tele­kom­mu­ni­ka­ti­ons­sys­teme / FG Medi­en­tech­nik

Wiss. Mit­ar­bei­ter/in - Ent­gelt­gruppe 13 TV-L Ber­li­ner Hoch­schu­len

Ber­li­ner Zen­trum für Maschi­nel­les Ler­nen

unter dem Vor­be­halt der Mit­tel­be­wil­li­gung - Teil­zeit­be­schäf­ti­gung ist ggf. mög­lich

Auf­ga­ben­be­sch­rei­bung:

Ziel des Pro­jekts ist die Erfor­schung von Kom­pres­si­ons­ver­fah­ren für Modelle des Maschi­nel­len Ler­nens. Der Schwer­punkt Ihrer For­schungs­ak­ti­vi­tät wird auf der Ent­wick­lung von neuen Dimen­si­ons­re­duk­tion- und Kom­pres­si­ons­al­go­rith­men für neu­ro­nale Netz­ar­chi­tek­tu­ren (con­vo­lu­tio­nal, recur­rent, auto­en­coder) lie­gen. Zudem wer­den Sie neue Mög­lich­kei­ten der Inte­gra­tion von Inva­ri­an­zen (z.B. Trans­la­tion, Rota­tion) in die neu­ro­na­len Archi­tek­tu­ren erfor­schen.

Er­war­te­te Qua­li­fi­ka­tio­nen:

  • Erfolg­reich abge­schlos­se­nes wis­sen­schaft­li­ches Hoch­schul­stu­dium (Mas­ter, Diplom oder Äqui­va­lent) im Bereich Infor­ma­tik, Inge­nieur­we­sen, Phy­sik oder Ange­wandte Mathe­ma­tik
  • Fun­dierte Kennt­nisse im Bereich des maschi­nel­len Ler­nens ins­be­son­dere neu­ro­nale Netze, effi­zi­en­tes Deep Learning, inva­ri­ante Reprä­sen­ta­tion, sowie Anwen­dungs­ge­bie­ten (z.B. Com­pu­ter Vision, Kom­mu­ni­ka­tion, Medi­zi­ni­sche Bild­ver­ar­bei­tung)
  • Prak­ti­sche Erfah­rung mit Trai­ning, Kom­pres­sion und Anwen­dung von Neu­ro­na­len Net­zen (Con­vNets, Auto­en­coder, Res­Nets etc.).
  • Solide Pro­gram­mier­kennt­nisse, ins­be­son­dere Erfah­rung mit Deep Learning Frame­works (PyTorch, Ten­sor­Flow etc.) und Python Biblio­the­ken (sci­kit-image, MayaVi etc.)
  • Aus­ge­zeich­nete Kom­mu­ni­ka­ti­ons­kom­pe­tenz in Eng­lisch

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 Telekommunikationssysteme, FG Medientechnik, Prof. Dr. Wiegand, Sekr. EN 16, Einsteinufer 17D, 10587 Berlin oder per E-Mail an gabriela.thiele@campus.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.