Wissenschaftliche/r Mitarbeiter/in fuer Explainable AI für automatisierte Fahrzeuge

Technische Universität München

Deutschland

Wissenschaftlicher Mitarbeiter (m/w/d) im Bereich Explainable AI für automatisierte Fahrzeuge

Der Lehrstuhl für Fahrzeugtechnik sucht nach einem wissenschaftlichem Mitarbeiter (m/w/d) für die Mitarbeit in einem interdisziplinären Projekt um das Thema Explainable AI. Bei entsprechender Eignung bietet sich Ihnen die Möglichkeit zur Promotion.

Über uns

Bei der Entwicklung automatisierter Fahrfunktionen kommen zunehmend Methoden der künstlichen Intelligenz zum Einsatz. Besonders durch Deep Learning werden wesentliche Fortschritte ermöglicht. Zugleich sind die Fragen nach Transparenz und Erklärbarkeit des Verhaltens und die Verantwortung in der Anwendung dieser Methoden nicht geklärt. Die Black Box als zentraler Bestandteil solcher Algorithmen stellt dabei eine große Herausforderung dar. In Zusammenarbeit mit dem TUM Institut für Ethik in der künstlichen Intelligenz soll in einem interdisziplinären Projekt dieser Forschungsgegenstand ganzheitlich und systematisch untersucht werden.

Anforderungen

Sie möchten zukünftige Technologien mit Ihren eigenen Ideen beeinflussen? Sie möchten interdisziplinär an den aktuellen Herausforderungen künstlicher Intelligenz arbeiten? Sie interessieren sich für Deep Learning und verfügen bereits über umfassende Programmierkenntnisse?
Dann ist diese Stelle genau das Richtige für Sie!

Zusammengefasst haben Sie:

- Gute Programmierkenntnisse, idealerweise in Python
- Erfahrung mit Deep Learning
- Kreativität bei der Lösungsfindung
- Eine strukturierte und selbstständige Arbeitsweise
- Verhandlungssicherheit in Wort und Schrift in Englisch
- Einen Abschluss in einer der Fachrichtungen: Maschinenbau/Fahrzeugtechnik, Elektro- und Informationstechnik, Informatik/Mathematik oder ähnlich mit sehr gutem Erfolg (besser als 2,0)

Aufgaben

Am Lehrstuhl für Fahrzeugtechnik wird umfassend an der Software für automatisierte Fahrzeuge gearbeitet. Dabei sollen verschiedene zum Einsatz kommende Algorithmen auf ihre Erklärbarkeit und Transparenz untersucht werden. Insbesondere ist die Verantwortlichkeit künstlich intelligenter Algorithmen in Zusammenarbeit mit dem TUM Institut für Ethik in der künstlichen Intelligenz zu analysieren. Schließlich ist es das Ziel Methoden zu erarbeiten, die Erklärbarkeit und Transparenz von Black Box Modellen in der Software autonomer Fahrzeuge erhöhen.

Wir bieten

• Befristete Vollzeitstelle als wissenschaftlicher Mitarbeiter (TV-L E-13) für insgesamt 3 Jahre
• Breites Forschungsgebiet mit hohem wissenschaftlichem Austausch
• Moderne Arbeitsumgebung und Infrastruktur
• Bei entsprechender Eignung die Möglichkeit zur Promotion
• Eigenes Budget für Fortbildungen und Tagungen
• Möglichkeit zum Auslandsaufenthalt

Bei entsprechender Eignung bietet sich Ihnen die Möglichkeit zur Promotion. Der Lehrstuhl für Fahrzeugtechnik strebt eine Erhöhung seines Frauenanteils an und fordert daher qualifizierte Frauen nachdrücklich zur Bewerbung auf. Schwerbehinderte werden bei gleicher Eignung und Qualifikation bevorzugt eingestellt.

Ihre vollständige, schriftliche Bewerbung (Anschreiben, Lebenslauf, Abiturzeugnis, Bachelorzeugnis, Masterzeugnis, Bestätigungen über Praktika) in deutscher Sprache richten Sie bitte an:
Christiane Schulte
bewerbung@ftm.mw.tum.de
Lehrstuhl für Fahrzeugtechnik
Boltzmannstraße 15
85748 Garching

Hinweis zum Datenschutz:
Im Rahmen Ihrer Bewerbung um eine Stelle an der Technischen Universität München (TUM) übermitteln Sie personenbezogene Daten. Beachten Sie bitte hierzu unsere Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. Durch die Übermittlung Ihrer Bewerbung bestätigen Sie, dass Sie die Datenschutzhinweise der TUM zur Kenntnis genommen haben.

Kontakt: maximilian.geisslinger@tum.de


Bitte beziehen Sie sich in Ihrer Bewerbung auf AkademischeStellen.com

Bewerbung Alle Stellen
FACEBOOK
TWITTER
LINKEDIN

Ludwig Maximilians Universität München

Pädagogische Hochschule Bern

Rheinisch Westfalische Technische Hochschule Aachen

Ruprecht Karls Universität Heidelberg

Universität Innsbruck

Universität Luzern

Universität Passau

Universität Potsdam

Universität Rostock

Universität Salzburg

Universität zu Köln

Universität Zürich