Unser interdisziplinäres Team arbeitet an der Schnittstelle von Künstlicher Intelligenz, Embedded Systems und Edge Computing. Unser Ziel ist es, zukunftsweisende KI-Lösungen für ressourcenbeschränkte, dezentrale Systeme zu entwickeln - von autonomen Sensoren über vernetzte Geräte bis hin zu industriellen Anwendungen. Im Zentrum stehen Fragestellungen wie:
- Wie lassen sie KI-Modelle effizient auf Mikrocontrollern betreiben?
- Welche Methoden der Domänenadaption sind für eingebettete Devices geeignet?
- Wie kann dezentrale KI auf mehreren Edge-Geräten effizient in Bezug auf Speicher, Kommunikation und Robustheit zusammenarbeiten? (z.B. über Federatef Leraning oder Swarm Intelligence)?
Abschlussarbeiten im Themenfeld: Effiziente, adaptive und dezentrale KI
Aufgaben
Mögliche Themengebiete:
- Optimierung des Machine-Leraning-Frameworks AI for Embedded Systems (AlfES)
- Entwicklung und Optimierung von dezentralem Edge AI in IoT-Netwerken durch Federated Learning
- Entwicklung und Optimierung von Verfahren für Anomaliedetektion bei selbstlernenden Sensorsystemen
- Optimierung von KI-Modellen für Embedded-Plattformen (z.B Quantisierung, Pruning, TinyML)
- Entwicklung adaptiver Lernmechanismen für sich verändernde Umgebungsbedingungen
- Entwicklung von Tool-Chains zur Portierung von KI-Modellen auf verschiedene, eingebettete Systeme
Qualifikationsprofil
- Studium im Bereich der Informatik, Elektrotechnik oder eines vergleichbaren Studiengangs
- Sehr gute bis gute Studienleistung
- Grundlegende Kenntnisse im Bereich Machine Leraning und neuronaler Netze
- Gute Programmierkenntnisse in C und/oder C++
- Erfahrungen mit eingebetteten Systemen und Mikrocontrollern und Kenntnisse in Python sind von Vorteil
- Erfahrungen im Umgang mit bekannten Machine Leraning Frameworks (z.B. Keras oder PyTorch) und das Administrieren von unixoiden Betriebssystemen, auch für eingebettete und Echtzeitsysteme, sind von Vorteil
- Selbständige und strukturierte Arbeitsweise sowie Teamfähigkeit
Wir bieten
- Vielfältige Einblicke in die Arbeit von wissenschaftlichen Mitarbeitenden an einem Forschungsinstitut
- Möglichkeit, das Wissen aus dem Studium direkt anzuwenden
- Vergütung der Abschlussarbeit, flexible Arbeitszeiten (Gleitzeitmodell) und ein fester Urlaubsanspruch
- Möglichkeiten, erste Erfahrungen im Umgang mit SAP zu sammeln
- Zentrale Lage direkt neben dem Campus Duisburg (Linie 933: Haltestelle Universität)
Fragen zu dieser Position beantwortet Ihnen gerne:
Frau Irini Tsiftsi
personal(at)ims.fraunhofer.de
Tel.: 0203-3783-268
www.fraunhofer.de
Frau Irini Tsiftsi
personal(at)ims.fraunhofer.de
Tel.: 0203-3783-268
www.fraunhofer.de
Bitte beziehe dich bei deiner Bewerbung auf jobvector
und verwende die folgende Referenznummer:
81630
Für diesen Job einen passenden Lebenslauf erstellen und direkt bewerben
