Blätter-Navigation

Offre 87 sur 183 du 16/05/2023, 10:13

logo

Fraun­ho­fer-Insti­tut für Inte­grierte Schal­tun­gen - Institutsteil Entwicklung Adaptiver Systeme

Die Fraun­ho­fer-Gesell­schaft (www.fraunhofer.de) betreibt in Deutsch­land der­zeit 76 Insti­tute und For­schungs­ein­rich­tun­gen und ist die welt­weit füh­rende Orga­ni­sa­tion für anwen­dungs­ori­en­tierte For­schung. Rund 30 000 Mit­ar­bei­tende erar­bei­ten das jähr­li­che For­schungs­vo­lu­men von 2,9 Mil­li­ar­den Euro.

Adap­ti­vi­tät ist für die ver­netzte Welt von mor­gen eine unver­zicht­bare Eigen­schaft. Intel­li­gente Kom­po­nen­ten kön­nen Ver­än­de­run­gen in der Umwelt oder im Sys­tem selbst erken­nen, bewer­ten und sich eigen­stän­dig daran anpas­sen. Als Part­ner der Wirt­schaft ent­wi­ckelt das Fraun­ho­fer IIS/EAS mit ca. 100 Mit­ar­bei­ten­den am Stand­ort Dres­den Schlüs­sel­tech­no­lo­gien für adap­tive Sys­teme und bie­tet inno­va­tive Tech­no­lo­gien und robuste Lösun­gen
an.

Praktikum/ SHK/ Abschlussarbeit: Active Learning in der Spektralanalyse für Funk-Netzwerke

Die Abteilung Verteilte Analyse- und Steuerungssysteme entwickelt Algorithmen zur Überwachung von drahtlosen industriellen Netzwerken. Heutige intelligente Produktionskonzepte sind

stark von der Verfügbarkeit und Zuverlässigkeit drahtloser Kommunikationssysteme abhängig. Um Störungen durch die zunehmende Anzahl von Funksystemen entgegenzuwirken, liefern innovative Algorithmen Informationen über die Verbindungsqualität und bestehende Übertragungsprobleme.

Für die automatisierte Spektralanalyse, wird maschinelles Lernen eingesetzt, um einzelne Pakete verschiedener Drahtlostechnologien zu erkennen und detaillierte Statistiken automatisch und in Echtzeit zu berechnen. Daher wurde eine umfangreiche Emulationspipeline entwickelt, um Trainingsdaten zu erzeugen. Das Hinzufügen weiterer RF-Standards kann jedoch eine zeitraubende Aufgabe sein.

Du interessierst dich für die Verbesserung von Deep Learning basierten Objekterkennungsmethoden zur Analyse und Überwachung von drahtlosen Netzwerken?

Dann haben wir die richtige Stelle für Dich!

Aufgabenbeschreibung:

Der Human-in-the-Loop-Ansatz wird dazu beitragen, das Training neuer RF-Standards zu beschleunigen. Ein Algorithmus für aktives Lernen wird dabei helfen, unbekannte spektrale Erscheinungen in realen Messungen zu erkennen und dem menschlichen Experten nur die aussagekräftigsten Beispiele zur manuellen Kennzeichnung (labelling) vorzulegen.
Die folgenden Aufgaben werden behandelt:
  • Überblick über den Stand der Technik in Bezug auf Active Learning für Objekterkennungsaufgaben
  • Transferlernen für neu gelabelte RF-Pakete
  • Evaluierung der Leistung des Algorithmus und ggf. Anpassungen
  • Validierung der Ergebnisse im Labor

Erwartete Qualifikationen:

  • Du studierst Informatik, Ingenieurwissenschaften, Physik oder Mathematik (mit technischer Ausrichtung) oder ähnliches
  • Du bist bereit, in unserem Büro in Dresden zu arbeiten
  • Du hast Kenntnisse im Bereich Machine Learning
  • Das hast erste Erfahrung im Umgang mit Tools wie Python
  • Du arbeitest gern selbstständig aber auch gemeinsam im Team
  • Du besitzt gute Deutsch- oder Englischkenntnisse in Wort und Schrift

Unser Angebot:

  • Ein anspruchsvolles Projekt mit einem hohen Grad an praktischer Anwendbarkeit
  • Unterstützung in der Einarbeitungsphase, damit du schnell produktiv arbeiten kannst
  • Flexibilität in der Arbeitszeitgestaltung zur optimalen Vereinbarkeit von Studium und Praxis
  • Ein offenes und kollegiales Arbeitsumfeld
  • ein innovatives und spannendes Thema, mit der Chance sich mit eigenen Ideen einzubringen
  • den Freiraum, dich deinen Interessen und Fähigkeiten entsprechend zu entwickeln

Hinweise zur Bewerbung:

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.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Haben wir Dein Interesse geweckt?

Dann bewirb Dich jetzt online mit Deinen aussagekräftigen Bewerbungsunterlagen (PDF: Anschreiben, Lebenslauf, letzten Notenspiegel).

Wir freuen uns darauf, Dich kennenzulernen!

Du hast Fragen? Dann wende Dich an: akshaya.bindu@eas.iis.fraunhofer.de.

Fraunhofer-Institut für Integrierte Schaltungen IIS

www.iis.fraunhofer.de

Kennziffer: 65510 Bewerbungsfrist: keine