Masterarbeit Für Die Modell- Und Lernbasierte

**Was Sie erwartet
Das Training lernender Algorithmen erfolgt häufig auf Basis gelabelter Datensätze. Der Bedarf an Trainingsdaten steigt mit der Komplexität der Modelle stark an. Bei Industriellen Anwendungsfällen ist die Verfügbarkeit gelabelter Daten jedoch stark limitiert. Abhilfe versprechen synthetische Datensätze, welche zum Vortrainieren der Modelle genutzt werden. Auf diese Weise wird versucht, den Bedarf an realen Daten insoweit zu reduzieren, dass diese nur noch für ein abschließendes Fine-Tuning der Modelle benötigt werden.

Im Rahmen der Abschlussarbeit sollen Verfahren zur Erzeugung synthetischer Oberflächen-Bilddaten, wie sie in Sealing
- und Lackprozessen anfallen, untersucht, entwickelt und evaluiert werden.

Dazu sollen folgende Verarbeitungsschritte von Ihnen entwickelt werden
- Explorative Datenanalyse realer Bilddaten aus Sealing
- oder Lackprozessen
- Recherche zum aktuellen Stand der Forschung im Bereich generativer und klassischer Modellierungsverfahren zur Erzeugung synthetischer 2D- und 3D-Oberflächendaten
- Bestimmung geeigneter Metriken zur Evaluation der Verfahren
- Implementierung ausgewählter Ansätze
- Durchführung von Experimenten zur Evaluation der entwickelten Verfahren auf Genauigkeit und Anwendbarkeit im Industriekontext
- Aufbereitung und Präsentation der gewonnenen Kenntnisse

**Was Sie mitbringen
- Sie befinden sich im Master eines Studiengangs der Informatik, Mathematik, Physik, Ingenieurwissenschaften oder vergleichbar
- Sie haben fundierte Programmierkenntnisse in Python und verfügen über Kenntnisse von Machine Learning und Bildverarbeitungs-Bibliotheken wie scikit-learn und OpenCV
- Sie konnten Erfahrungen im Umgang mit Tensorflow, Keras oder PyTorch, insbesondere bezogen auf das Erstellen eigener Neuronaler Netze zur Objektdetektion sammeln
- Idealerweise haben Sie Erfahrung mit Verfahren zur Erzeugung synthetischer Daten wie z.B.
- GANs und Variational Auto Encoder
- Gaussian Mixture Modellen oder Hidden Markov Chains
- Kenntnisse im Bereich Few
- und Single-Shot Learning sind von Vorteil
- Sie besitzen die Fähigkeit wissenschaftliche Paper durchzuarbeiten und können darin vorgestellte Verfahren implementieren und evaluieren
- Sie verfügen über sehr gute Deutschkenntnisse

**Was wir bieten
- Gehalt: Sie können sich auf eine überdurchschnittliche Vergütung freuen.
- Flexibilität: Durch unsere individuellen Arbeitszeitregelungen, Urlaubsanspruch und der Möglichkeit zum mobilen Arbeiten haben Sie mehr Freiheit, Ihren Studienalltag zu gestalten.
- Arbeitskultur: Sie befinden sich in einem internationalen und innovativen Umfeld, geprägt von Zusammenarbeit auf Augenhöhe. Dabei können Sie sich auf abwechslungsreiche Aufgaben und eigenverantwortliches Arbeiten freuen.
- Weiterbildung: Unser umfangreiches Portfolio an Weiterbildungsmaßnahmen bietet Ihnen die Möglichkeit, Ihre individuellen Stärken gezielt einzusetzen und weiterzuentwickeln.
- Vernetzen: Sie werden Teil einer großen Studierenden-Community mit bereichsübergreifenden Networking-Möglichkeiten.
- Arbeitsumgebung: Sie profitieren von einer modernen und digitalen Arbeitsumgebung (z. B. Freiräume für kreatives Arbeiten, Tischkicker) und kostenfreien Parkmöglichkeiten.Gesundheit: Ihre Gesundheit ist uns wichtig. Daher bieten wir Ihnen ein umfassendes Sport
- und Gesundheitsangebot.

Wir wertschätzen diverse Teams und freuen uns über Ihre Bewerbung, unabhängig von Ihrer Nationalität, ethnischen Herkunft, Geschlecht, sexuellen Orientierung, Religion, Behinderung oder Alter.