Studentische Hilfskraft zur Überarbeitung vom Kurs Softwarearchitektur

Zum nächstmöglichen Zeitpunkt suchen wir eine

Studentische Hilfskraft (m/w/d) für bis zu 19 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.

Ihr Profil:

·       Erfahrungen im Bereich der Programmierung mit Java und Gitlab

·       Wünschenswert: Erfahrungen im Bereich Prezi (Next)

·       Wünschenswert: Erfahrungen im Bereich Gamifizierung

Für weitere Informationen kontaktieren Sie bitte Prof. Dr. Ramin Tavakoli Kolagari.

Master of Applied Research (M-APR): Systematisierung der Übertragung von KI-basierten Auswertealgorithmen von Messdaten auf feldtaugliche Prototypen (SmartOSE)

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.

Ihre Aufgaben:

- 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

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 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.

Master of Applied Research (M-APR): Systematische Exploration des Angriffspotentials auf Automotive Software Systemen, basierend auf Vulnerability Patterns

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.

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.

Ihre Aufgaben:

- 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

Ihr Profil:

- Bachelorabschluss oder Diplom der Informatik, Elektrotechnik, (Automotive) IT oder einer ähnlichen Fachrichtung

- Wünschenswert: Erfahrungen im Bereich IT-Security

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.

Master of Applied Research (M-APR): Entwicklung eines autonom fahrenden Roboters mit Techniken des Meta Learning

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 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.