Stellenausschreibung152: Unterschied zwischen den Versionen
Co1539 (Diskussion | Beiträge) (Die Seite wurde neu angelegt: „{{Stellenausschreibung |Titel DE=Studentische Hilfskraft - Im Bereich Sensorfusion und Multi-Objekt Tracking |Titel EN=Student Assistant - Sensorfusion and Mul…“) |
Co1539 (Diskussion | Beiträge) |
||
Zeile 2: | Zeile 2: | ||
|Titel DE=Studentische Hilfskraft - Im Bereich Sensorfusion und Multi-Objekt Tracking | |Titel DE=Studentische Hilfskraft - Im Bereich Sensorfusion und Multi-Objekt Tracking | ||
|Titel EN=Student Assistant - Sensorfusion and Multi-Object Tracking | |Titel EN=Student Assistant - Sensorfusion and Multi-Object Tracking | ||
+ | |Beschreibung DE=Eine wesentliche Herausforderung beim Einsatz automatisierter Fahrzeuge ist eine robuste Umgebungswahrnehmung. Dazu werden Informationen aus verschiedenen Sensoren miteinander kombiniert und über die Zeit verfolgt. Dabei ist der Einsatz rechenaufwändiger, künstlicher neuronaler Netze unter zeitkritischen Bedingungen eine zentrale Komponente, um die Fortschritte im Bereich Deep Learning praktisch nutzbar zu machen. Innerhalb deiner Tätigkeit als wissenschaftliche Hilfskraft wirst du State-of-the-Art Algorithmen zur Objektdetektion in C++ einsetzen und mit Trackingalgorithmen robuster gegenüber Fehldetektionen machen. Die Realisierung mit einer möglichst geringen Rechenzeit stellt eine Kernaufgabe hierbei dar. Die Umsetzung erfolgt mit der Middleware ROS und du hast die Möglichkeit, die von dir entwickelten Algorithmen am realen System zu testen. | ||
+ | |||
+ | '''AUFGABEN''' | ||
+ | Dich erwartet eine Vielzahl von möglichen Aufgaben unter anderem suche wir Unterstützung in folgenden Bereichen. | ||
+ | |||
+ | *Implementierung von Detektor- und Trackingalgorithmen in C++ mit der Middleware ROS | ||
+ | *Einsatz von Deep Learning in zeitkritischen Anwendungen | ||
+ | *Experimentieren mit klassischen Filteralgorithmen | ||
+ | <!-- *Evaluierung in Simulation und auf Testdaten --> | ||
+ | <!-- *Portierung und Erprobung auf Testfahrzeug --> | ||
+ | |||
+ | '''WIR BIETEN''' | ||
+ | *ein interdisziplinäres Forschungsumfeld mit Partnern aus Wissenschaft und Wirtschaft | ||
+ | *eine konstruktive Zusammenarbeit mit hellen, motivierten Mitarbeitern | ||
+ | *eine angenehme Arbeitsatmosphäre | ||
+ | *moderne Hardware | ||
+ | *offenheit für kreative Ideen | ||
+ | |||
+ | '''WIR ERWARTEN''' | ||
+ | *Fähigkeit sowohl State of the Art, als auch experimentelle Algorithmen zu implementieren | ||
+ | *Programmiererfahrung in C++ notwendig | ||
+ | *Kenntnisse im Umgang mit ROS und Linux | ||
+ | *Erfahrung mit Python, Tensorflow, Multi-Threading und/oder GPU-Programming vorteilhaft | ||
+ | *Kenntnisse im Bereich statistischer Filterverfahren, Zustandsschätzung und Tracking-Algorithmen vorteilhaft | ||
+ | *Fundierte Englisch- oder Deutschkenntnisse | ||
+ | *Hohe Kreativität und Produktivität | ||
+ | |||
+ | '''ERFORDERLICHE UNTERLAGEN''' | ||
+ | *aktueller Notenauszug | ||
+ | *tabellarischer Lebenslauf | ||
+ | |||
+ | '''KONTAKT''' | ||
+ | Jens Weber | ||
+ | |Beschreibung EN=A key challenge in automated driving is a robust environment perception. This involves combining information from different sensors and tracking it over time. The use of computationally expensive artificial neural networks under time-critical conditions is a central component in order to make the advances in the field of deep learning practically usable. Within your work as a research assistant you will apply state-of-the-art algorithms for object detection in C++ and make them more robust against false detections using tracking algorithms. The realization with the lowest possible computing time is a core task. The implementation will be done with the middleware ROS and you will have the opportunity to test the algorithms you have developed on a real system. | ||
+ | |||
+ | '''TASKS''' | ||
+ | You can expect a variety of possible tasks. Among others we are looking for support in the following areas. | ||
+ | |||
+ | *Implementation of detector and tracking algorithms in C++ with the middleware ROS | ||
+ | *Use of deep learning in time-critical applications | ||
+ | *Experimenting with classical filter algorithms | ||
+ | <!-- *Evaluation in simulation and on test data --> | ||
+ | <!-- *Porting and testing onto test vehicle --> | ||
+ | |||
+ | '''WE OFFER''' | ||
+ | *An interdisciplinary research environment with partners from science and industry | ||
+ | *A constructive collaboration with bright, motivated employees | ||
+ | *A pleasant working atmosphere | ||
+ | *Modern hardware | ||
+ | *Openness to creative ideas | ||
+ | |||
+ | '''WE EXPECT''' | ||
+ | *Ability to implement both state of the art and experimental algorithms | ||
+ | *Programming experience in C++ necessary | ||
+ | *Familiarity with ROS and Linux | ||
+ | *Familiarity with Python, Tensorflow, multi-threading and/or GPU programming advantageous | ||
+ | *Familiarity with statistical filtering techniques, state estimation, and tracking algorithms advantageous | ||
+ | *Sound English or German skills | ||
+ | *High creativity and productivity | ||
+ | *Knowledge in the field of artificial intelligence (especially searching and learning), game theory or related areas are a plus | ||
+ | *Experiences with methods for searching and learning, e.g. Monte Carlo tree search/Reinforcement Learning are a plus | ||
+ | |||
+ | '''REQUIRED DOCUMENTS''' | ||
+ | *current transcript of records | ||
+ | *CV | ||
+ | |||
+ | '''CONTACT''' | ||
+ | Jens Weber | ||
|Stellenart=HiWi / Tutor(in) | |Stellenart=HiWi / Tutor(in) | ||
+ | |Forschungsgruppe=Angewandte Technisch-Kognitive Systeme | ||
+ | |Ausschreibender=Jens Weber | ||
+ | |Löschdatum=2021/12/31 | ||
}} | }} |
Version vom 26. Januar 2021, 08:41 Uhr
Studentische Hilfskraft - Im Bereich Sensorfusion und Multi-Objekt Tracking
Stellenausschreibung
Eine wesentliche Herausforderung beim Einsatz automatisierter Fahrzeuge ist eine robuste Umgebungswahrnehmung. Dazu werden Informationen aus verschiedenen Sensoren miteinander kombiniert und über die Zeit verfolgt. Dabei ist der Einsatz rechenaufwändiger, künstlicher neuronaler Netze unter zeitkritischen Bedingungen eine zentrale Komponente, um die Fortschritte im Bereich Deep Learning praktisch nutzbar zu machen. Innerhalb deiner Tätigkeit als wissenschaftliche Hilfskraft wirst du State-of-the-Art Algorithmen zur Objektdetektion in C++ einsetzen und mit Trackingalgorithmen robuster gegenüber Fehldetektionen machen. Die Realisierung mit einer möglichst geringen Rechenzeit stellt eine Kernaufgabe hierbei dar. Die Umsetzung erfolgt mit der Middleware ROS und du hast die Möglichkeit, die von dir entwickelten Algorithmen am realen System zu testen.
AUFGABEN Dich erwartet eine Vielzahl von möglichen Aufgaben unter anderem suche wir Unterstützung in folgenden Bereichen.
- Implementierung von Detektor- und Trackingalgorithmen in C++ mit der Middleware ROS
- Einsatz von Deep Learning in zeitkritischen Anwendungen
- Experimentieren mit klassischen Filteralgorithmen
WIR BIETEN
- ein interdisziplinäres Forschungsumfeld mit Partnern aus Wissenschaft und Wirtschaft
- eine konstruktive Zusammenarbeit mit hellen, motivierten Mitarbeitern
- eine angenehme Arbeitsatmosphäre
- moderne Hardware
- offenheit für kreative Ideen
WIR ERWARTEN
- Fähigkeit sowohl State of the Art, als auch experimentelle Algorithmen zu implementieren
- Programmiererfahrung in C++ notwendig
- Kenntnisse im Umgang mit ROS und Linux
- Erfahrung mit Python, Tensorflow, Multi-Threading und/oder GPU-Programming vorteilhaft
- Kenntnisse im Bereich statistischer Filterverfahren, Zustandsschätzung und Tracking-Algorithmen vorteilhaft
- Fundierte Englisch- oder Deutschkenntnisse
- Hohe Kreativität und Produktivität
ERFORDERLICHE UNTERLAGEN
- aktueller Notenauszug
- tabellarischer Lebenslauf
KONTAKT
Jens Weber
HiWi / Tutor(in)
keine Angabe
Angewandte Technisch-Kognitive Systeme
keine Angabe