www.acad.jobs : academic jobs worldwide – and the best jobs in industry
                
     
Position: Doktorand*in Federated Learning
Institution: Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.
Department: IMS - Mikroelektronische Schaltungen und Systeme
Location: Duisburg, Germany
Duties: Im Rahmen Ihrer Promotion forschen Sie fokussiert daran, wie Sie Methoden des föderierten Lernens (Federated Learning) für Inferenz und Training auf eingebetteten Systemen einsetzen können. Dabei werden Sie auch unser Framework AIfES einsetzen und weiterentwickeln. Grosse Herausforderungen liegen in der lokalen Datenauswahl und Datenbewertung, in der Verteilung auf die einzelnen Learner, die Aggregation der Teilmodelle sowie der sicheren Kommunikation der eingebetteten Systeme untereinander. Sie werden mit Hilfe von maschinellem Lernen, Feature Engineering und Data Science neue Algorithmen und Modelle für das föderierte Lernen entwickeln, implementieren, analysieren und validieren. Des Weiteren unterstützen Sie unsere Kolleg*innen bei Forschungsprojekten
Requirements: Wissenschaftliches Hochschulstudium (Master, Uni-Diplom) in Elektrotechnik, Informatik oder einem vergleichbaren Studiengang; Kenntnisse in den Bereichen maschinelles Lernen und eingebettete Systeme; Kenntnisse im Bereich des föderierten Lernens vorteilhaft; Sichere Programmierkenntnisse in C/C++ und Python; Eigenständige und zuverlässige Arbeitsweise, Kreativität sowie ein hohes Mass an Kommunikations- und Teamfähigkeit
   
Text: Wir verwenden Cookies, um Ihnen die bestmögliche Erfahrung mit der Website bieten zu können. Ihre Cookie-Einstellungen werden im lokalen Speicher Ihres Browsers gespeichert. Dazu gehören Cookies, die für die Website technisch notwendig sind. Darüber hinaus können Sie frei entscheiden, ob Sie Cookies akzeptieren, und dies jederzeit ändern. Sie können auch Cookies zur Verbesserung der Website-Leistung sowie Cookies zum Anzeigen von Inhalten, die auf Ihre Interessen zugeschnitten sind, ablehnen. Wenn Sie nicht alle Cookies akzeptieren, kann dies Auswirkungen auf Ihre Erfahrung auf der Site und die von uns angebotenen Services haben. Cookie-Einstellungen ändern Alle Cookies akzeptieren Tab drücken, um zum Link "Weiter zu Inhalt" zu gelangen Zum Hauptinhalt KARRIERE INSTITUTE UND EINRICHTUNGEN SPRACHE Deutsch (Deutschland) English (United States) MEIN PROFIL / LOGIN KARRIERE INSTITUTE UND EINRICHTUNGEN SPRACHE Deutsch (Deutschland) English (United States) MEIN PROFIL / LOGIN KARRIERE INSTITUTE UND EINRICHTUNGEN STELLENÜBERSICHT SPRACHE Deutsch (Deutschland) English (United States) MEIN PROFIL / LOGIN Nach Stichwort/Studienfach/Jobcode suchen > Weitere Suchoptionen Laden... Einstiegslevel Alle Tätigkeitsbereich Alle Promotionsabsicht Alle Bundesland Alle Institute und Einrichtungen Alle Nach Standort suchen Zurücksetzen × Wählen Sie aus, wie oft (in Tagen) Sie eine Benachrichtigung erhalten möchten: Job-Newsletter erstellen × Wählen Sie aus, wie oft (in Tagen) Sie eine Benachrichtigung erhalten möchten: Diese Stelle teilen Jetzt bewerben » Ort: Duisburg Datum: 23.10.2022 Doktorand*in Federated Learning 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. Das Fraunhofer IMS forscht an intelligenten Lösungen im Bereich der Embedded AI. Die Vision ist es dabei, KI-Algorithmen auch auf kleinste eingebettete Systeme zu bringen. Das Spektrum unserer intelligenten Lösungen reicht von Condition Monitoring und Predictive Maintenance in industriellen Anwendungen über die Umfelderkennung für das autonome Fahren bis hin zur Vitaldatenerfassung für den Einsatz in medizinischer Diagnostik und Pflege. Um unsere Vision zu verwirklichen, haben wir das Open Source Framework AIfES (Artificial Intelligence for Embedded Systems) entwickelt. Mit diesem Framework können wir Daten direkt am Ort des Entstehens prozessieren und vor allem auch dort ein Training realisieren. Wichtige Forschungsfelder der Zukunft sehen wir im föderierten Lernen sowie im Bereich des Semi-Supervised Learning. Was Sie bei uns tun Im Rahmen Ihrer Promotion forschen Sie fokussiert daran, wie Sie Methoden des föderierten Lernens (Federated Learning) für Inferenz und Training auf eingebetteten Systemen einsetzen können. Dabei werden Sie auch unser Framework AIfES einsetzen und weiterentwickeln. Grosse Herausforderungen liegen in der lokalen Datenauswahl und Datenbewertung, in der Verteilung auf die einzelnen Learner, die Aggregation der Teilmodelle sowie der sicheren Kommunikation der eingebetteten Systeme untereinander. Sie werden mit Hilfe von maschinellem Lernen, Feature Engineering und Data Science neue Algorithmen und Modelle für das föderierte Lernen entwickeln, implementieren, analysieren und validieren. Des Weiteren unterstützen Sie unsere Kolleg*innen bei Forschungsprojekten. Was Sie mitbringen • Wissenschaftliches Hochschulstudium (Master, Uni-Diplom) in Elektrotechnik, Informatik oder einem vergleichbaren Studiengang • Kenntnisse in den Bereichen maschinelles Lernen und eingebettete Systeme • Kenntnisse im Bereich des föderierten Lernens vorteilhaft • Sichere Programmierkenntnisse in C/C++ und Python • Eigenständige und zuverlässige Arbeitsweise, Kreativität sowie ein hohes Mass an Kommunikations- und Teamfähigkeit Was Sie erwarten können Innerhalb von 3 Jahren bieten wir Ihnen die Möglichkeit zur erfolgreichen Promotion und stellen Ihnen hierfür sämtliche Einrichtungen und Labore unseres Institutes zur Verfügung. Der Doktorgrad wird von der Universität Duisburg-Essen verliehen. Lehrverpflichtungen werden Ihnen nicht übertragen. Die Vollzeitstelle als Doktorand*in mit halber Vergütung bietet 50% der Zeit für Ihre Promotion sowie 50% für die Mitarbeit in Forschungsprojekten als wissenschaftliche*r Mitarbeiter*in. Weitere Informationen zu einer Promotion an unserem Institut finden Sie hier . 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. Die Stelle ist auf drei Jahre befristet. Die wöchentliche Arbeitszeit beträgt 39 Stunden. Anstellung, Vergütung und Sozialleistungen basieren auf dem Tarifvertrag für den öffentlichen Dienst (TVöD). Zusätzlich kann Fraunhofer leistungs- und erfolgsabhängige variable Vergütungsbestandteile gewähren. 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 Ihr Interesse geweckt? Dann bewerben Sie sich jetzt online mit Ihren aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Sie kennenzulernen! Bewerbungen per E-Mail oder Post können wir leider nicht berücksichtigen. Fragen zu dieser Position beantwortet Ihnen gerne: Frau Anja Schwarzkopf Telefon: 49 203 3783-2913 E-Mail: personal@ims.fraunhofer.de Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme IMS www.ims.fraunhofer.de Kennziffer: 52725 Bewerbungsfrist: Jobsegment: Training, Open Source, Web Design, Developer, Learning, Education, Technology, Creative, Human Resources Jetzt bewerben » Ähnliche Stellen suchen: DATENSCHUTZERKLÄRUNG IMPRESSUM © 2021 × Manager für Cookie-Einwilligungen Wenn Sie eine Website besuchen, kann diese Informationen zu Ihrem Browser - meistens in Form von Cookies - speichern und abrufen. Da wir Ihr Recht auf Privatsphäre respektieren, können Sie bestimmte Cookies ablehnen. Wenn Sie jedoch bestimmte Cookies blockieren, kann sich dies negativ auf Ihre Erfahrung auf der Site und die von uns angebotenen Services auswirken. Notwendige Cookies Diese Cookies sind für die Verwendung dieser Website erforderlich und können nicht deaktiviert werden. Mehr Details anzeigen Notwendige Cookies Anbieter Beschreibung Aktiviert SAP as service provider Wir verwenden die folgenden Sitzungs-Cookies, die alle für die Funktionsfähigkeit der Website erforderlich sind: "route" wird für Sitzungs-Stickiness verwendet "careerSiteCompanyId" wird verwendet, um die Anforderung an das richtige Rechenzentrum zu senden "JSESSIONID" wird während der Sitzung auf dem Gerät des Besuchers abgelegt, damit der Server den Besucher identifizieren kann "Load balancer cookie" (tatsächlicher Cookie-Name kann abweichen) verhindert, dass ein Besucher von einer Instanz zu einer anderen springt Funktionale Cookies Diese Cookies sorgen für eine bessere Kundenerfahrung auf dieser Site. So können Anmeldedetails gespeichert werden, und die Videoleistung kann optimiert werden. Sie liefern uns Informationen darüber, wie unsere Site verwendet wird. Sie können diese Cookies jederzeit akzeptieren oder ablehnen. Beachten Sie, dass bestimmte Funktionen, die diese Drittanbieter zu Verfügung stellen, beeinträchtigt werden können, wenn Sie diese Cookies nicht akzeptieren. Mehr Details anzeigen Funktionale Cookies Anbieter Beschreibung Aktiviert Vimeo Vimeo ist eine Serviceplattform zur Bereitstellung und zum Teilen von Videos. Wenn Sie die Vimeo-Cookies ablehnen, können Sie keine Vimeo-Videos anschauen und nicht damit interagieren. Cookie-Richtlinie Datenschutzrichtlinie Nutzungsbedingungen Werbe-Cookies Mit diesen Cookies werden Anzeigen bereitgestellt, die für Ihre Interessen relevant sind. Sie können jederzeit frei wählen, ob Sie diese Cookies akzeptieren oder ablehnen. Beachten Sie, dass bestimmte Funktionen, die diese Drittanbieter zur Verfügung stellen, beeinträchtigt werden können, wenn Sie diese Cookies nicht akzeptieren.
Please click here, if the job didn't load correctly.







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