Visit www.acad.jobs with all Jobs for Academics!
                    
Position: Wissenschaftl. Mitarbeiter (w/m/d) - Maschinelles Lernen für Mensch-Maschine Interaktion
Institution: OFFIS - Institut für Informatik
Location: Oldenburg, Niedersachsen, Germany
Duties: Realisierung eines probabilistischen Fahrermodells, das es ermöglicht, das subjektive Situationsbewusstsein des Fahrers in Echtzeit aus geeigneten Fahr- und Verhaltensdaten abzuleiten XX Anforderungsanalyse für Adaptive Automatisierungssysteme XX Konzeption probabilistischer Fahrermodelle XX Softwaretechnische Implementierung probabilistischer Fahrermodelle XX Versuchsplanung und –durchführung zur Datengewinnung für Fahrermodelle XX Evaluierung der Modelle
Requirements: Überdurchschnittlich abgeschlossenes Master-Studium (Informatik oder verwandte Fachrichtungen, z.B. Physik oder Mathematik) XX Vertiefte Kenntnisse im Bereich probabilistische Modellierungsmethoden XX Vertiefte Kenntnisse im Bereich Maschinelles Lernen XX Programmierkenntnisse in C++ oder vergleichbarer Programmiersprachen
   
Text: OFFIS ist ein 1991 gegründetes, international ausgerichtetes, anwendungsorientiertes Forschungs- und Entwicklungsinstitut für Informatik mit Sitz im niedersächsischen Oldenburg. In durchschnittlich 70 laufenden Projekten leistet OFFIS mit seinen rund 290 Mitarbeiterinnen und Mitarbeitern Forschung und prototypische Entwicklungsarbeit auf höchstem internationalem Niveau in den Bereichen Energie, Gesundheit, Produktion und Verkehr. Dabei kooperiert OFFIS mit weltweit über 700 Partnern aus Wirtschaft und Wissenschaft. FuE-Bereich: Verkehr Gruppe: Human Centered Design Laufzeit: 3 Jahre mit Option auf Verlängerung Standort: Oldenburg, Niedersachsen Wissenschaftl. Mitarbeiter (w/m/d) Maschinelles Lernen für Mensch-Maschine Interaktion SCHWERPUNKT DES PROJEKTES: Sie werden in einem nationalen Projekt im Bereich der Fahrautomatisierung arbeiten. Das Ziel des Projektes ist es, ein neues Konzept der Interaktion zwischen Automatisierungssystemen und Fahrern zu erarbeiten und als Prototyp umzusetzen. In diesem Konzept werden Mensch und Maschine als Partner in einem Team betrachtet, die die Aufgabe gemeinschaftlich durchführen. Hierbei muss die Automatisierung die Fähigkeit besitzen, den Zustand des Fahrers zu erkennen und gegebenenfalls vorherzusagen. IHRE AUFGABEN: XX Realisierung eines probabilistischen Fahrermodells, das es ermöglicht, das subjektive Situationsbewusstsein des Fahrers in Echtzeit aus geeigneten Fahr- und Verhaltensdaten abzuleiten XX Anforderungsanalyse für Adaptive Automatisierungssysteme XX Konzeption probabilistischer Fahrermodelle XX Softwaretechnische Implementierung probabilistischer Fahrermodelle XX Versuchsplanung und -durchführung zur Datengewinnung für Fahrermodelle XX Evaluierung der Modelle IHR PROFIL: XX Überdurchschnittlich abgeschlossenes Master-Studium (Informatik oder verwandte Fachrichtungen, z.B. Physik oder Mathematik) XX Vertiefte Kenntnisse im Bereich probabilistische Modellierungsmethoden XX Vertiefte Kenntnisse im Bereich Maschinelles Lernen XX Programmierkenntnisse in C++ oder vergleichbarer Programmiersprachen WIR BIETEN IHNEN: XX Menschlich angenehmes und fachlich interessantes Arbeitsumfeld bei einem dynamischen Institut mit internationaler Ausrichtung XX Möglichkeit zur Promotion in Kooperation mit Forschungseinrichtungen und Unternehmen im In- und Ausland Regelmässige Teilnahme an internationalen Forschungskonferenzen XX Sehr gute Arbeitsbedingungen in einem Forschungsumfeld, welches zeitnah Forschungsfragen aus der Industrie aufgreift und Sie auch hier bei der beruflichen Weiterqualifikation unterstützt XX Mitwirkung in industriellen Forschungsnetzwerken XX Bezahlung nach TV-L (nach Eignung Gruppe E 13 TV-L) - schwerbehinderte Bewerberinnen und Bewerber werden bei gleicher Eignung besonders berücksichtigt Wenn Sie mit der Berücksichtigung Ihrer Bewerbung auch für andere offene Stellen einverstanden sind, teilen Sie uns dies bitte formlos im Rahmen Ihres E-Mailanschreibens mit oder fügen Sie Ihrer Bewerbung unser Einwilligungsformular (PDF-Download) als Anlage bei. Weitergehende Informationen zum Bewerbungsverfahren und zum Datenschutz erhalten Sie unter http://bit.ly/OFFIS-Bewerbungsinfos
Please click here, if the Job didn't load correctly.







Please wait. You are being redirected to the Job in 3 seconds.