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.
Zum nächstmöglichen Zeitpunkt suchen wir eine
Studentische Hilfskraft (m/w/d) für bis zu 19 Stunden / Woche.
Sie implementieren Angriffsalgorithmen auf Systeme des Maschinellen Lernens, insbesondere auf Klassifikatoren für die Bilderkennung, wie sie für das autonome Fahren verwendet werden. Dabei geht es um die Entwicklung von sogenannten „Adversarial Examples“, die (minimal) manipulierte Bilder darstellen, die durch den angegriffenen Klassifikator nicht beziehungsweise falsch kategorisiert werden. Vorarbeiten sind vorhanden. Durch die Bearbeitung und Implementierung dieser Projektaufgaben erhalten Sie tiefgehende Kenntnisse und praktische Erfahrungen im Bereich des Maschinellen Lernens und des (Automotive) Software Systems Engineering.
Als Mitarbeiter*in auf Augenhöhe können Sie eigene Ideen in Diskussionen mit dem gesamten Team einbringen und die Ausgestaltung der Forschung aktiv mitgestalten.
Ihr Profil:
Studierende*r der Informatik oder Informationstechnik beziehungsweise vergleichbarer Fächer
Wünschenswert: Erfahrungen mit der Entwicklung von Systemen des maschinellen Lernens beziehungsweise mit der Programmierung (Python)
Für weitere Informationen kontaktieren Sie bitte Prof. Dr. Ramin Tavakoli Kolagari.
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
Ihre Aufgaben:
Aufbau eines prototypischen Demonstrators basierend auf Architekturbeschreibungen (EAST-ADL, Adaptive AUTOSAR) basierend auf vorliegenden Untersuchungen zur Security und Safety und unter Verwendung eines Modellfahrzeugbausatzes. Sie arbeiten bei einem laufenden Forschungsprojekt mit regionaler Industriebeteiligung mit und können eigene Ideen und Impulse einbringen.
· Wünschenswert: Erfahrungen im Bereich Automotive Software (EAST-ADL, AUTOSAR)
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.
Im BMBF-geförderten Projekt SmartOSE sollen Dehnungen und Verzerrungen von Polymerfasern, die in Geokunststoffe eingebaut sind, durch Ansätze des maschinellen Lernens (ML) ausgewertet werden, um Erosionen der Erdstrukturen frühzeitig zu erkennen. Basierend auf einem Labordemonstrator, der die Machbarkeit der ML-basierten Auswertung zeigt, soll im Rahmen dieses Projekts die systematische Übertragung von den ML-basierten Auswertealgorithmen auf feldtaugliche Prototypen entwickelt und umgesetzt werden.
- Spezifikation und Zusammenstellung eines Hardwareaufbaus, der den Anforderungen des Felds genügt.
- Erhebung des aktuellen Stands der Technik bei der Übertragung von ML-Komponenten auf eingebettete Systeme
- Entwicklung eines systematisierten Übertragungsprozesses von ML-basierten Auswertealgorithmen auf die eingebetteten Systeme im Feld
- Bachelorabschluss oder Diplom der Informatik, Elektrotechnik, (Automotive) IT oder einer ähnlichen Fachrichtung
- Wünschenswert: Erfahrungen im Bereich Maschinelles Lernen
Das Forschungsprojekt soll zum Wintersemester 2020/2021 gestartet werden. Weitere Informationen finden Sie hier. Ihre aussagekräftige Bewerbung mit den hierfür erforderlichen Unterlagen schicken Sie an Prof. Dr. Ramin Tavakoli Kolagari.
Vulnerability Patterns werden bei Ansätzen der Software Security eingesetzt, um bekannte Schwachstellen und Einfallstore für böswillige Angriffe auf ein Softwaresystem zu modellieren. Sie werden bisher allerdings nicht systematisch genutzt, um beispielsweise einen praktikablen Eindruck der Vollständigkeit der damit verbundenen Angriffe zu entwickeln. In diesem Projekt soll es um die praktikable Exploration der Vollständigkeit des Angriffspotenzials auf Automotive Software Systeme basierend auf der Modellierungstechnik SAM gehen. Eine Zusammenarbeit mit Bosch wird angestrebt.
- Erhebung des aktuellen Stands der Technik für Vulnerability Patterns
- Erhebung der Forschungsherausforderungen aus der industriellen Praxis
- Spezifikation der Vulnerability Patterns in Bezug auf SAM und EAST-ADL und AUTOSAR
- Entwicklung eines Security Konzepts für die Exploration der Vollständigkeit des Angriffspotenzials auf Automotive Software
- Wünschenswert: Erfahrungen im Bereich IT-Security
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.
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.
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.