www.acad.jobs : academic jobs worldwide – and the best jobs in industry
                
     
Position: Master Thesis „Entwurf und Vergleich von Online-Methoden des Maschinellen Lernens zur statischen Funktionsapproximation“
Institution: Austrian Institute of Technology GmbH
Location: Wien, Austria
Duties: In einer Literaturstudie sichten Sie vorhandene Ansätze für die Online-Funktionsapproximation und fassen diese zusammen. Parallel dazu bewerten Sie die Methoden im Hinblick auf Effizienz und Verwendbarkeit; Unter Anleitung unseres Teams entwerfen und verifizieren Sie die Online-Methoden; An einem bereits vorhandenen Prüfaufbau validieren Sie die entworfenen Online-Methoden
Requirements: Laufendes Masterstudium im Bereich Elektrotechnik, Technische Informatik, Technische Mathematik oder ähnliches; Programmierkenntnisse in Python und Matlab/Simulink; Freude an anwendungsorientierten Fragestellungen der Industrie; Hohe Einsatzbereitschaft und Teamfähigkeit; Sehr gute Deutsch- und/oder Englischkenntnisse
   
Text: Wir sind Österreichs grösste Research and Technology Organisation und führend in der angewandten Forschung für innovative Infrastrukturlösungen. Das macht uns zum leistungsstarken Entwicklungspartner der Industrie und zum Top-Arbeitgeber in der internationalen Wissenschaftsszene. Unser Center for Vision, Automation & Control vergibt am Standort Wien, Argentinierstrasse eine: Master Thesis „Entwurf und Vergleich von Online-Methoden des Maschinellen Lernens zur statischen Funktionsapproximation“ Online-Methoden repräsentiert eine Familie von Methoden des maschinellen Lernens, bei denen aus sequenziell verfügbaren Daten iterativ ein Modell gelernt wird, um eine prädiktive Aufgabe zu lösen. Dies steht im Gegensatz zu traditionellen Batch- oder Offline-Methoden des maschinellen Lernens, die oft darauf ausgelegt sind, ein Modell aus dem gesamten Trainingsdatensatz auf einmal zu lernen. Der besondere Schwerpunkt dieser Arbeit liegt im Entwurf, der Implementierung und im Vergleich von Online-Methoden für Kernel-Verfahren und Tiefe Neuronale Netze (Deep Neural Networks). In einer Literaturstudie sichten Sie vorhandene Ansätze für die Online-Funktionsapproximation und fassen diese zusammen. Parallel dazu bewerten Sie die Methoden im Hinblick auf Effizienz und Verwendbarkeit. Unter Anleitung unseres Teams entwerfen und verifizieren Sie die Online-Methoden. An einem bereits vorhandenen Prüfaufbau validieren Sie die entworfenen Online-Methoden. ​Sie sammeln Erfahrung in Bereich des Maschinellen Lernens. Sie trainieren wissenschaftliches Arbeiten und haben die Möglichkeit Erfahrungen mit wissenschaftlichen Exzellenzträgern zu diskutieren. Als Ingenious Partner* zeichnet Sie aus: Laufendes Masterstudium im Bereich Elektrotechnik, Technische Informatik, Technische Mathematik oder ähnliches Programmierkenntnisse in Python und Matlab/Simulink Freude an anwendungsorientierten Fragestellungen der Industrie Hohe Einsatzbereitschaft und Teamfähigkeit Sehr gute Deutsch- und/oder Englischkenntnisse Was Sie erwarten können: Eine Vergütung von EUR 803,- brutto pro Monat für 20 Stunden pro Woche. Neben zahlreichen Benefits sind Sie darüber hinaus Teil unserer internationalen YOUNG AIT Gruppe. Als Forschungseinrichtung sind wir bestens mit der Betreuung und Durchführung von Masterarbeiten vertraut und freuen uns darauf, Sie bei Ihrer Masterarbeit begleiten zu können. Am AIT ist uns die Förderung von Nachwuchswissenschafterinnen wichtig - deshalb freuen wir uns besonders auf Bewerbungen von Studentinnen! Bitte übermitteln Sie uns Ihre ausführlichen Bewerbungsunterlagen bestehend aus Lebenslauf, Anschreiben und Zeugnissen online. Für nähere Informationen kontaktieren Sie bitte direkt: Tobias Glück, tobias.glueck(at)ait.ac.at Complex Dynamical Systems Tomorrow Today - with You? Jetzt bewerben! Apply online now Back to job listing Print Interested? × Close Drag your CV here or upload it to create a new profile. Upload your CV ;
Please click here, if the job didn't load correctly.
Your browser does not support iframes. Please click <a href="https://www.acad.jobs/job.php?t_id=J000346989&redirect" target="_parent" style="color:#7A7A7A">here</a>, if the job didn't load correctly.