- Entwickle, trainiere und evaluiere Deep-Learning-Modelle (z. B. CNNs, RNNs, Transformer) zur Erkennung, Klassifikation und Charakterisierung von Funksignalen, einschließlich Modulations- und Emittererkennung
- Verarbeite und analysiere IQ-Daten, Spektrogramme und weitere RF-Repräsentationen mit klassischen DSP-Verfahren und datengetriebenen Methoden
- Erforsche neue Ansätze zur Signaldetektion in verrauschten, überlagerten oder ressourcenbeschränkten Umgebungen, z. B. bei niedrigem SNR oder breitbandigem Spectrum Sensing
- Baue Trainingsdatensätze auf, kuratiere und augmentiere sie und nutze synthetische Signaldaten sowie Verfahren der Domänenadaption
- Setze Algorithmen prototypisch auf Software-Defined-Radio-Plattformen (SDR) und mit entsprechenden Frameworks um, validiere sie und arbeite eng mit Teams aus Signalverarbeitung, Softwareentwicklung und Systemtechnik an praxistauglichen Lösungen
- Dokumentiere deine Ergebnisse in technischen Berichten und behalte aktuelle Forschungstrends im Blick, um ihre Relevanz für deine Arbeitsgebiete einzuschätzen
Deine Aufgaben
- Entwickle, trainiere und evaluiere Deep-Learning-Modelle (z. B. CNNs, RNNs, Transformer) zur Erkennung, Klassifikation und Charakterisierung von Funksignalen, einschließlich Modulations- und Emittererkennung
- Verarbeite und analysiere IQ-Daten, Spektrogramme und weitere RF-Repräsentationen mit klassischen DSP-Verfahren und datengetriebenen Methoden
- Erforsche neue Ansätze zur Signaldetektion in verrauschten, überlagerten oder ressourcenbeschränkten Umgebungen, z. B. bei niedrigem SNR oder breitbandigem Spectrum Sensing
- Baue Trainingsdatensätze auf, kuratiere und augmentiere sie und nutze synthetische Signaldaten sowie Verfahren der Domänenadaption
- Setze Algorithmen prototypisch auf Software-Defined-Radio-Plattformen (SDR) und mit entsprechenden Frameworks um, validiere sie und arbeite eng mit Teams aus Signalverarbeitung, Softwareentwicklung und Systemtechnik an praxistauglichen Lösungen
- Dokumentiere deine Ergebnisse in technischen Berichten und behalte aktuelle Forschungstrends im Blick, um ihre Relevanz für deine Arbeitsgebiete einzuschätzen
Das bringst du mit
- Ein abgeschlossenes Masterstudium oder eine Promotion in Elektrotechnik, Nachrichtentechnik, Informatik, Physik, angewandter Mathematik oder einem vergleichbaren Fachgebiet
- Du bringst fundiertes Know-how in Machine Learning und Deep Learning mit, aus eigenen Projekten, Publikationen oder praktischer Erfahrung
- Python ist dein Ding und du hast Erfahrung mit gängigen Deep-Learning-Frameworks wie PyTorch oder TensorFlow
- Du verstehst die digitale Signalverarbeitung und kennst dich mit Fourier-Analyse, Filterung, Abtastung und Modulationsverfahren aus
- Der Umgang mit großen, verrauschten oder unstrukturierten Datensätzen ist dir vertraut. Außerdem kommunizierst du sicher auf Deutsch und Englisch
- Du denkst analytisch, arbeitest wissenschaftlich präzise und hast Lust, eigene Forschungsfragen selbstständig voranzutreiben
#J-18808-Ljbffr
StellenbezeichnungKI-Forscher - Schwerpunkt Funksignalerkennung- & verarbeitung (m/w/d) in Hamburg Arbeitgeber: PLATH Systems & Integration
PLATH ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern die Möglichkeit bietet, in einem dynamischen und innovativen Umfeld zu arbeiten. Mit einem starken Fokus auf Teamarbeit und individueller Entwicklung fördert das Unternehmen eine offene Kultur, in der Ideen geschätzt werden und jeder Mitarbeiter die Chance hat, seine Fähigkeiten weiterzuentwickeln. Zudem profitieren Sie von flexiblen Arbeitszeiten und der Möglichkeit, an internationalen Projekten teilzunehmen, was Ihre berufliche Entwicklung erheblich bereichert.
Kontaktdaten:
PLATH Systems & Integration Recruiting-Team
