About this role
Sommersemester 2027 - befristet auf 3-6 Monate IHRE AUFGABEN: Arbeiten Sie mit umfangreichen Bilddatensätzen aus realen industriellen Anwendungen und schaffen Sie damit die Grundlage für leistungsfähige KI-Modelle. Untersuchen Sie bestehende Verfahren zur Datenannotation und entwickeln Sie automatisierte Annotationspipelines, um den bislang teilautomatisierten, iterativen und zeitaufwendigen Prozess effizienter zu gestalten. Entwickeln Sie Lösungsansätze für neue industrielle Anwendungsfälle, bei denen nur wenige annotierte Trainingsdaten zur Verfügung stehen. Untersuchen und bewerten Sie im Rahmen Ihrer wissenschaftlichen Arbeit einen oder mehrere der folgenden Ansätze: Active Learning (aktives Lernen) Ensemble Learning (Ensemble-Lernen) Model Distillation (Wissensdestillation) Synthetic Data Generation (synthetische Datengenerierung) Hyperparameter Optimization (Hyperparameteroptimierung) IHR PROFIL: Studium der Künstlichen Intelligenz, Informatik, Mathematik oder eines vergleichbaren Studiengangs Gute Englischkenntnisse Programmierkenntnisse in Python und PyTorch sowie Erfahrung im Umgang mit REST-APIs Kenntnisse in Deep Learning, Computer Vision und Hyperparameteroptimierung Selbstständige, strukturierte und analytische Arbeitsweise Interesse an wissenschaftlichen Fragestellungen und innovativen Lösungsansätzen im Bereich der Künstlichen Intelligenz Kreativität und Freude daran, neue Methoden zu erforschen und praktisch umzusetzen Kontakt: Sarah Disch