Usiamo cookie tecnici e statistiche delle visite: Yandex Metrica e il registro anonimizzato delle visite di Zorky. Non vendiamo mai dati. Ulteriori informazioni su cookie e statistiche.
Zorky è in modalità di prova: tutto è gratuito. Questo sito è solo una demo: nomi delle aziende, link e il tuo feed personale si sbloccano dopo la registrazione. Registrati →
ZorkyZorky
Italiano
@termdocs
← Tutte le offerte

Wissenschaftliche:r Mitarbeiter:in (m/w/d), EG 14 TV-H

Kassel, Hessen, Germany, DE4 g fa
Analisi del mercato
📊 AI / ML / Data Science: stipendi e domanda sul mercato
Stack
numpyopencvpandaspythonpytorchsklearntensorflow
Dettagli
Employment
Full-time, Contract
English
B2, required
Education
Higher education
Mostra azienda e link
Gratis, dopo l'accesso.
Candidati
Carica il tuo CV: datori di lavoro e recruiter di diversi paesi che cercano il tuo profilo potranno contattarti direttamente.
Invia il tuo CV →
Descrizione
# **Wissenschaftliche:r Mitarbeiter:in (m/w/d), EG 14 TV-H, befristet, Vollzeit (derzeit 40 Wochenstunden)** Bewerbungsfrist: 20.11.2026 Einstellungsbeginn: 01.01.2027 Kennziffer: 39545 Die Stelle ist zunächst bis zum 31.12.2028 im Rahmen des Vorhabens „DyNaMo“ gemäß der Laufzeit befristet (Qualifikationsstelle gem. § 2 WissZeitVG). Eine Verlängerung der Beschäftigung ist geplant. Die Möglichkeit zur Habilitation ist gegeben. Das Fachgebiet Intelligente Eingebettete Systeme (IES) forscht im Bereich der Grundlagen und der Anwendungen von Methoden der Datenanalyse, des Maschinellen Lernens (z.B. Deep Learning, Active Learning) und der Künstlichen Intelligenz. Schwerpunkte in der Grundlagenforschung sind beispielsweise selbst-lernende und selbst-organisierende Systeme, Methoden des kollaborativen und aktiven Lernens, Methoden des Transferlernens oder Techniken zur Echtzeitanalyse von Zeitreihen. Schwerpunkte der angewandten Forschung liegen in den Bereichen Energiesysteme, Automobil (Autonomes Fahren) und Experimental-physik/Werkstoffe. Im Fachgebiet IES arbeiten aktuell etwa 20 Mitarbeitende in den genannten Bereichen. **Aufgaben:** - Verfahren für die Erfassung des Fahrverhaltens von Radfahrenden mittels maschineller Lernverfahren (insbesondere Deep Learning Ansätze) basierend auf Daten von Kfz-Sensorik (z.B. Kamera und LiDAR). - Ansätze des Cross Labeling zur hochautomatisierten Annotation von Verhaltensdaten von Radfahrenden, d.h. Übertragen von „Labeln“ von beispi
Descrizione completa, azienda e link per candidarti: dopo l'accesso. Accedi
I contatti del datore di lavoro (email/telefono/telegram) sono nascosti nell'anteprima pubblica. Invia il tuo CV così i datori di lavoro possono contattarti direttamente.
Domanda urgente? Scrivi a @termdocs