Studienorientierung & Studienwahl
Transfer von angewandter Forschung
Vielfältige Kooperationsmöglichkeiten
Vernetzen & Vorteile nutzen
Alle Infos rund ums Studium
Arbeitgeber Hochschule
Initiativ - Wertig - Vielfältig - Kollegial
Hochschulkommunikation
/ Informatik / Forschung / Automotive Software Systems Engineering (AS²E) /
Die Technische Hochschule Nürnberg Georg Simon Ohm ist mit rund 13.100 Studierenden bundesweit eine der größten Hochschulen ihrer Art und ist bekannt für das breite Studienangebot, die interdisziplinäre Forschung, die anwendungsorientierte Lehre und die internationale Ausrichtung.
In der (hoch)automatisierten Mobilität entscheiden auf Exaktheit hin optimierte Steuerungsalgorithmen (beispielsweise der autonomen Fahrzeuge) im Kontext vager Verkehrsszenarien (beispielsweise in der Stadt). Dabei wird die vorhandene Ambiguität beziehungsweise Vagheit der (Verkehrs)Situation algorithmisch auf null reduziert, so dass eindeutige Entscheidungen getroffen werden. Diese Ambiguitätsreduktion ist in der ausgeschriebenen Stelle einerseits im Hinblick auf die Verwendung von Fuzzy Deep Neural Networks transparent zu gestalten und andererseits aus der Perspektive der Fairness zu untersuchen. Eine kooperative Promotion wird bei entsprechender fachlicher Eignung und dem hierzu nötigen persönlichen und wissenschaftlichen Engagement angestrebt.
Gerne können Sie bei uns in Teilzeit arbeiten, wenn durch Jobsharing eine ganztägige Besetzung des Arbeitsplatzes gewährleistet ist.
Chancengleichheit ist die Grundlage unserer Personalarbeit. Menschen mit Schwerbehinderung werden bei ansonsten im Wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt.
Für weitere Informationen kontaktieren Sie bitte Prof. Dr. Ramin Tavakoli Kolagari.
Der Masterstudiengang Applied Research in Engineering Sciences bietet guten Bachelor- oder Diplomabsolventinnen und -absolventen die Möglichkeit einer Höherqualifizierung in der angewandten Forschung und Entwicklung. Er ist an ein Forschungsprojekt gebunden (Förder- oder Industrieprojekt), das über drei Semester bearbeitet wird. Der MAPR ist ausdrücklich dazu konzipiert worden, die Voraussetzungen für eine spätere Promotion an einer Universität zu verbessern. Speziell die Forschungsarbeit über 3 Semester und die Auswahl eines Themas mit hohem wissenschaftlichem Anspruch soll dieses Ziel unterstützen.
Basierend auf einer Robotikplattform im Maßstab 1:8 mit moderner Sensorik sowie umfangreicher Vorarbeiten sowohl im Bereich der Hardware und KI soll ein Automobilparcours basierend auf der KI Technik des Meta Lernens autonom bewältigt werden. Die KI Komponenten sollen mit Hilfe der eXplainable Artificial Intelligence (XAI) LIME nachvollziehbar gemacht werden.
Ihre Aufgaben:
Zu entwickeln ist ein vielseitig einsetzbarer Robotikaufbau des autonomen Modellfahrzeugs, der robust ist, alle nötigen Sensoren und Aktuatoren besitzt sowie performant und effizient die hohen Ansprüche der ML Algorithmen erfüllt. Aufgrund des innovativen Charakters der gesamten Fragestellung wird in diesem Projekt auf die Nutzung von industriellen Automotive Steuergeräten verzichtet.
Ihr Profil:
- Bachelorabschluss oder Diplom der Informatik, Elektrotechnik, (Automotive) IT oder einer ähnlichen Fachrichtung
- Wünschenswert: Erfahrungen im Bereich Maschinelles Lernen
Das Forschungsprojekt soll zum Wintersemester 2021/22 gestartet werden. Detaillierte Informationen finden Sie hier. Ihre aussagekräftige Bewerbung mit den hierfür erforderlichen Unterlagen schicken Sie an Prof. Dr. Ramin Tavakoli Kolagari.
Letzte Aktualisierung: Juni 2021
Für Konzeption, Aufbau und betriebliche Erprobung der Vollautomatischen Rangierlok (VAL) in Zusammenarbeit mit der Deutschen Bahn (DB Cargo) bieten wir ab sofort eine Stelle an.
Der Ansatz des Forschungsvorhabens VAL umfasst die Ausrüstung bestehender Rangierlokomotiven mit einer entsprechenden Umfeldsensorik, welche in der Lage ist, alle Überwachungsaufgaben des heutigen Lokrangierführers zu übernehmen. Darüber hinaus wird eine neue digitale Schnittstelle zwischen Infrastruktur und Lok geschaffen, die einen adäquaten Ersatz zu der derzeit mündlich ablaufenden Kommunikation schaffen wird.
Auf Robustheit soll getestet werden mit Ansätzen der Explainable AI und durch eine neu zu schaffende Methode basierend auf Adversarial Examples / Corruption Robustness
Das Forschungsprojekt soll zum Wintersemester 2021/21 gestartet werden. Ihre aussagekräftige Bewerbung mit den hierfür erforderlichen Unterlagen schicken Sie an Prof. Dr. Ramin Tavakoli Kolagari. Weitere Informationen erhalten Sie im hier verlinkten PDF.
Zum nächstmöglichen Zeitpunkt suchen wir eine
Studentische Hilfskraft (m/w/d) für 10 Stunden / Woche.
Gesucht wird eine vielseitig interessierte Person für die Überarbeitung des Bachelor-Kurses Softwarearchitektur, insbesondere mit Ren'Py. Sie arbeiten bei der didaktischen Aufbereitung der Lehrmaterialien in Prezi Next mit, aktualisieren die Übungsaufgaben in Java und erstellen Visual Novels mit Ren'Py für einen gamifizierten Zugang.
· Erfahrungen im Bereich der Programmierung mit Java und Gitlab
· Wünschenswert: Erfahrungen im Bereich Prezi (Next)
· Wünschenswert: Erfahrungen im Bereich Gamifizierung
Gesucht wird eine vielseitig interessierte Person zur Unterstützung im Forschungsgebiet Safety and Security in Machine Learning. Das Tätigkeitsfeld umfasst dabei zwei Themengebiete.
SafeML:
· Recherche zur statistischen Charakterisierung von Datensätzen
· Implementierung mit Python
SAM Security Abstraction Model https://www.in.th-nuernberg.de/professors/BerglerMa/SAM/ :
· Erweiterung des Common Vulnerability Scoring System: https://www.first.org/cvss/v3-1/
· Evaluationen
· Erweiterungen für Domänen außerhalb des Automotive Bereichs
Unser Angebot:
· Forschung an aktuellen und zukunftsorientierten Themen
· Einblicke in wissenschaftliches Arbeiten
· Mitwirken an Publikationen
Ideal sind Erfahrungen im Bereich des Software Engineering.
Wünschenswert wären Erfahrungen im Bereich Machine Learning und Python.
Ausgeschriebene IT-Projekte finden Sie hier.
Ausgeschriebene Abschlussarbeiten finden Sie hier.
Liebe Besucherin, lieber Besucher, Sie verlassen nun die Website der Technischen Hochschule Nürnberg.
Mit einem Klick auf den unten stehenden Button gelangen Sie zu . Bitte achten Sie darauf, dass Ihre dort persönlichen Daten gut geschützt sind. Beachten Sie die dortigen Datenschutzbestimmungen sowie die Einstellungen zur Privatsphäre.