Am Institut für Datenwissenschaften in Jena beschäftigen wir uns damit, das Datenrückgrat für alle Anwendungsbereiche des DLR (Luftfahrt, Raumfahrt, Energie, Verkehr, Sicherheit) Realität werden zu lassen. Dafür entwickeln und erforschen wir in interdisziplinärer Arbeit Methoden mit Fokus auf Anwendungen z. Bsp. für nachhaltige und kreislaufgerechte Prozesse, resiliente Lieferketten, datengetriebene Wertschöpfungsketten oder robuste Entscheidungsunterstützung. Die so entwickelten Methoden werden in Kooperation mit anderen DLR-Instituten und externen Partnern zur Anwendung gebracht, sei es im Rahmen gemeinsamer Projekte oder im Rahmen von Technologietransferaktivitäten.
Das erwartet dich
In der Abteilung Datenanalyse und -intelligenz werden Methoden entwickelt und angewandt, die die Analyse komplexer und großer Datensätze ermöglichen. Hier wird auf Verfahren des Maschinellen Lernens, der Kausalen Inferenz sowie domänenspezifisches Prozesswissen zurückgegriffen. Zur Steigerung des Technologietransferpotentials werden bei der Anwendungsentwicklung Human Factors wie Akzeptanz berücksichtigt.
In der Arbeitsgruppe „Maschinelles Lernen“ erforschen und entwickeln wir innovative datengetriebene Methoden zur Datenanalyse und finden in Kooperation mit anderen DLR-Instituten Lösungen für praktische Anwendungsfälle mittels maschineller Lernverfahren.
Wir bieten dir im Rahmen unserer Arbeitsgruppe die Möglichkeit eine Abschlussarbeit oder eine studentische Tätigkeit im Bereich des Maschinellen Lernen, spezieller zu dem Thema Erklärung von Anomalien in komplexen sensorischen Systemen. Als Teil eines internationalen Teams ist es deine Aufgabe dabei zu helfen neue Methoden zu entwerfen, zu implementieren und zu evaluieren.
Deine Aufgaben
- Literaturrecherchen zu Themen wie explainable AI (xAI) Verfahren im Kontext der Anomalieerkennung für multivariate Zeitreihen
- Umsetzung und prototypische Implementierung von eigenen oder vorhandenen Methoden des Maschinellen Lernen in Python (o.ä.)
- wissenschaftliche Auswertung und Interpretation der Ergebnisse und Vergleich mit bestehenden Verfahren
- Test und Dokumentation der Arbeit
Im Rahmen einer studentischen Tätigkeit erbringst du deine Arbeitsleitung in einem Umfang von bis zu 20 Stunden pro Woche. Die genaue Eingrenzung des Themas einer Abschlussarbeit erfolgt gemeinsam mit dir entsprechend deiner speziellen Qualifikationen und Erwartungen.
Das bringst du mit
- laufendes Studium der Informatik, Mathematik, Physik, Data Science oder verwandten Fachrichtungen
- praktische Programmierkenntnisse (Python, o.ä.; Erfahrungen mit Frameworks wie Tensorflow/Keras oder PyTorch )
- sehr gute Englischkenntnisse oder sehr gute Deutschkenntnisse
- Kenntnisse im Maschinellen Lernen, Deep Learning, Datenanalyse und -auswertung
- grundlegende Kenntnisse aus der Mathematik (Analysis, Lineare Algebra, Stochastik, Logik)
Wir freuen uns darauf, dich kennenzulernen!
Fragen zu dieser Position (Kennziffer 1691) beantwortet dir gerne:
Julia Fligge-Niebling
Tel.: +49 3641 30960 152