Wiss. Mitarbeiter*in mit Lehraufgaben, Bereich Computational Neuroscience

Kennziffer: IV-673/23

Dauer: 5 Jahre

Beginn: frühestmöglich

Bewerbungsfristende: 09.11,2023

Vergütung: TV-L E13 (100%)

Aufgabenbeschreibung:

Mit­ar­beit an den Pro­jek­ten der Arbeits­gruppe im Bereich Com­pu­ta­tio­nal Neu­ro­sci­ence, z.B. zur Model­lie­rung neu­ro­na­ler Dyna­mik und zur Model­lie­rung des Ein­flus­ses nicht-inva­si­ver Hirn­sti­mu­la­tion; Inter­ak­tion mit theo­re­ti­schen und kli­nisch-expe­ri­men­tel­len Arbeits­grup­pen im Rah­men des Son­der­for­schungs­be­rei­ches 1315 "Mecha­nis­men und Stö­run­gen der Gedächt­nis­kon­so­li­die­rung", Mit­hilfe bei der Betreu­ung der Rech­ne­rin­fra­struk­tur der Arbeits­gruppe, Lehre im Bereich Infor­ma­tik-Ser­vice.

Erwartete Qualifikationen:

Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) in Computational Neuroscience, Informatik, Mathematik, Physik oder verwandten Gebieten; Kompetenzen in nichtlinearer Dynamik, sehr gute Programmierkenntnisse und Kenntnisse des Betriebssystems UNIX; die Fähigkeit zum Unterrichten in deutscher und/oder in englischer Sprache wird vorausgesetzt; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben.; Forschungserfahrung in der Modellierung neuronaler Systeme, Erfahrung in der Lehre und Erfahrungen in der Serveradministration UNIX sind von Vorteil.

Ihre Bewer­bung sen­den Sie bitte unter Angabe der Kenn­zif­fer(IV-673/23) mit den übli­chen Unter­la­gen aus­schließ­lich per E-Mail an Prof. Dr. Ober­mayer unter klaus.obermayer(at)tu-berlin.de.

Entwicklung von KI-Methoden zur Objekterkennung in Videos

Besetzbar ab: 1. Januar 2024

Beschäftigungsdauer: 3 Jahre

Bewerbungskennziffer: IV-700/23

Bewerbungsfrist: 16.11.2023

Vergütungsgruppe: TV-L E13 (100%)

Aufgabenbeschreibung:

Der/die erfolgreiche Kandidat*in soll an einem durch das BMWK geförderten Projekt mit Firmenbeteiligung teilnehmen, dessen Ziel es ist, Methoden für die 3D Streckenvermessung von Schienenwegen zum Zwecke einer verbesserten Fahrerassistenz zu entwickeln. Die spezifische Aufgabe im Projekt ist die Entwicklung von KI-Methoden für die Echtzeiterkennung von Objekten (wie z.B. Gleisverlauf, Weichen, Bahnsignale, Verkehrsschilder, Bahnübergänge, Brücken, etc.) in Videos, die während der Zugfahrten aufgenommen werden. Dazu sollen u.a. aktuelle Deep Learning Methoden genutzt werden.

Erwartete Qualifikationen:

Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) in Informatik oder einem anderen MINT-Fach; sehr gute Kenntnisse in maschinellem Lernen und Bildverarbeitung und sehr gute Programmierkenntnisse; ein hohes mündliches und schriftliches Ausdrucksvermögen in Englisch und Deutsch; Forschungserfahrung mit Deep Learning Methoden ist von Vorteil.

Bitte senden Sie Ihre Bewerbung mit den üblichen Unterlagen ausschließlich per E-Mail an Prof. Dr. Obermayer unter klaus.obermayer@tu-berlin.de.