Używamy techniczne pliki cookie i statystyki odwiedzin: Yandex Metrica i zanonimizowany dziennik odwiedzin Zorky. Nigdy nie sprzedajemy danych. Więcej o cookies i statystykach.
Zorky działa w trybie testowym — wszystko jest bezpłatne. Oferty i strony firm są dostępne dla wszystkich; linki do ogłoszeń i osobiste zestawienie ofert — po rejestracji. Zarejestruj się →
ZorkyZorky
Polski
@termdocs
← Wszystkie oferty

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

Kassel, Hessen, Germany, DE6 dn. temu
Analityka rynku
📊 AI / ML / Data Science: wynagrodzenia i popyt na rynku
Stack
numpyopencvpandaspythonpytorchsklearntensorflow
Szczegóły
Wymiar pracy
Pełny etat, Kontrakt
Angielski
B2, wymagany
Wykształcenie
Wykształcenie wyższe
Pokaż firmę i link
Bezpłatnie, po zalogowaniu.
Aplikuj
Prześlij CV — pracodawcy i rekruterzy z różnych krajów, którzy szukają takiego profilu, będą mogli napisać do Ciebie bezpośrednio.
Wyślij CV →
Opis
# **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
Pełny opis, firma i link do aplikacji — po zalogowaniu. Zaloguj się
Kontakty pracodawcy (e-mail/telefon/Telegram) są ukryte w publicznym podglądzie. Wyślij CV — a pracodawcy będą mogli napisać do Ciebie sami.
Pilne pytanie? Napisz @termdocs