Abschlussarbeit im Themenfeld Self-Supervised Representation Learning for Senor Data

Die Analyse von Sensor- und Zeitreihendaten mittels Künstlicher Intelligenz ist ein zentraler Forschungsschwerpunkt des Fraunhofer IMS. Im Fokus steht dabei insbesondere Self‑Supervised Representation Learning. Mögliche Anwendungsfelder reichen von der Zustandsüberwachung und Qualitätskontrolle in industriellen Prozessen bis hin zur Auswertung medizinischer Sensordaten (z.B. Biosignale).

Im Rahmen Ihrer Abschlussarbeit haben Sie die Möglichkeit, neueste KI‑ und Machine‑Learning‑Methoden für die automatische Annotation von Sensor- und Zeitreihendaten zu erforschen und praktisch zu erproben. Aktuelle Themen für Abschlussarbeiten:

• Masked Representation Learning for Sensor Data Labeling: Entwicklung und Evaluierung von Masked‑Learning‑Ansätzen, um Sensordaten ohne manuelle Annotation für nachgelagerte Klassifikation oder Anomalieerkennung nutzbar zu machen.
• Prototype Contrastive Learning for Automated Data Annotation: Erforschung von prototypbasierten Contrastive‑Learning‑Methoden zur automatischen Label‑Generierung für Zeitreihen‑Sensordaten.

Hier sorgen Sie für Veränderung:

• Literaturrecherche und Einordnung des aktuellen Stands der Technik.
• Analyse und Auswahl geeigneter Machine‑Learning‑Methoden für die Implementierung.
• Konzeption, Implementierung und Training von KI/ML-Modellen (z. B. in PyTorch).
• Experimentelle Evaluierung an industriellen und medizinischen Daten.

Hiermit bringen Sie sich ein:

• Studium in den Bereichen Informatik, Elektrotechnik, Data Science, KI oder vergleichbarer Disziplinen.
• Sehr gute bis gute Studienleistungen.
• Kenntnisse in Machine Learning/Deep Learning.
• Gute Programmierkenntnisse in Python und eines gängigen ML‑Frameworks (z. B. PyTorch, Tensorflow).
• Ausgeprägte Eigeninitiative, Einsatzbereitschaft und Freude an experimenteller Forschung.
• Eigenständige und zuverlässige Arbeitsweise sowie ein hohes Maß an Kommunikations- und Teamfähigkeit.

Was wir für Sie bereithalten:

• Vielfältige Einblicke in die Arbeit von wissenschaftlichen Mitarbeitenden an einem Forschungsinstitut.
• Möglichkeit, das Wissen aus dem Studium direkt anzuwenden.
• Vergütung, flexible Arbeitszeiten (Gleitzeitmodell) und ein fester Urlaubsanspruch.
• Zentrale Lage direkt neben dem Campus Duisburg (Linie 933: Haltestelle Universitätsstraße).

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.

Bereit für Veränderung? Dann bewerben Sie sich jetzt, und machen Sie einen Unterschied! Nach Eingang Ihrer Online‑Bewerbung erhalten Sie eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Ihnen, wie es weitergeht. Bewerbungen per E‑Mail o. Post können wir leider nicht berücksichtigen. Bitte übermitteln Sie Ihre vollständigen Bewerbungsunterlagen (Motivationsschreiben, chronologischer Lebenslauf, aktueller Notenspiegel im Studium, Arbeitszeugnisse bisheriger beruflicher Erfahrungen/Praktika).

Fragen zu dieser Position beantwortet Ihnen gerne: Frau Irini Tsiftsi personal@ims.fraunhofer.de Tel.: 0203-3783-268 Fraunhofer‑Institut für Mikroelektronische Schaltungen und Systeme IMS www.ims.fraunhofer.de Kennziffer: 83211 Bewerbungsfrist: #J-18808-Ljbffr