Studentische Hilfskraft DEPENDABLE REINFORCEMENT LEARNING
Fraunhofer IZM Berlin
Nürnberg, Germany
vor 2 Tg.

Unsere interdisziplinär zusammengesetzte Gruppe Selbstlernende Systeme ist Teil des Bereichs Lokalisierung und Vernetzung in unserer Niederlassung in Nürnberg.

Wir kombinieren die Expertise in einer ganzen Reihe fortgeschrittener Themen des maschinellen Lernens für künstliche Intelligenz (KI).

Einer unserer Schwerpunkte ist die Entwicklung von robusten und sicheren Algorithmen für Steuerung und Entscheidungsaufgaben in komplexen dynamischen Umgebungen.

Dazu verwenden wir Techniken des Deep Reinforcement Learnings. Diese sind besonders nützlich, wenn sie mit Methoden der verlässlichen und erklärbaren KI kombiniert werden.

Derzeit trainieren wir KI-Agenten, die sicher, performant, und erklärbar handeln können. Dafür forschen wir an Dependable bzw.

Safe and Explainable Reinforcement Learning für unterschiedlichste reale Anwendungsfelder, mit einem Fokus auf autonome Systeme und Fahrzeuge.

Auf dem Weg zur realen vertrauenswürdigen KI ist noch viel zu tun, und wir freuen uns auf deine Unterstützung!

Du hast Interesse daran, Künstliche Intelligenz zuverlässig und vertrauenswürdig zu gestalten?

Dann haben wir die perfekte Stelle für Dich!

Deine Aufgaben :

  • Du erarbeitest Dir Kenntnisse im Deep Reinforcement Learning
  • Du erstellst unterschiedlichste Evaluationsumgebungen und Metriken für sichere KI
  • Du implementierst und vergleichst aktuelle Ansätze für sichere und erklärbare KI
  • Du unterstützt uns bei der Entwicklung neuer Ansätze für Dependable RL
  • Was du mitbringst

  • Du studierst derzeit Informatik, Physik, Mathematik oder einen vergleichbaren Studiengang
  • Du hast bereits Erfahrung mit Machine Learning, und mit Machine-Learning Frameworks gearbeitet (z.B. Pytorch)
  • Du interessierst dich für Deep Reinforcement Learning
  • Du sprichst fließend Englisch zur Mitarbeit in einem internationalen Team
  • Was du erwarten kannst

  • Flexibilität in der Arbeitszeitgestaltung und damit optimale Vereinbarkeit von Studium und Praxis
  • Ein offenes und kollegiales Arbeitsumfeld
  • Abwechslungsreiches Aufgabenspektrum
  • Interaktion in einem organisationsübergreifenden Netzwerk aus Wissenschaft und Praxis
  • Fundierten Einblick und aktive Mitarbeit in der führenden, anwendungsorientierten Forschung
  • Interesse geweckt?

    Wir freuen uns auf Deine vollständige und aussagekräftige Bewerbung (PDF : Anschreiben, Lebenslauf, letzten Notenspiegel) unter Angabe der Kennziffer 54895-LV an Nina Wörlein.

    Bitte gib in Deiner Bewerbung an, wie Du auf dieses Stellenangebot aufmerksam geworden bist.

    Melde diesen Job
    checkmark

    Thank you for reporting this job!

    Your feedback will help us improve the quality of our services.

    Bewerben
    E-Mail
    Klicke auf "Weiter", um unseren Datenschutz-und Nutzungsbestimmungen zuzustimmen . Du kriegst außerdem die besten Jobs als E-Mail-Alert. Los geht's!
    Weiter
    Bewerbungsformular