Werkstudent*in AI Machine Learning

Zukunft. Gemeinsam. Entwickeln.

Im Mittelpunkt der Forschungsarbeit des Fraunhofer-Instituts für Nachrichtentechnik – HHI stehen exzellente Forschung und Innovationen. Dabei sind wir weltweit führend in der Erforschung von mobilen und optischen Kommunikationsnetzen und -systemen sowie dem Maschinellen Lernen, Computer Vision und der Kompression von digitalem Video. Wir versprechen Ihnen exzellente Kontakte in das relevante industrielle und wissenschaftliche Umfeld. Im Rahmen unseres Projekts mit dem Startup TestBlu suchen wir eine*n Werkstudent*in im BereichAI Machine Learning zur Unterstützung bei der Entwicklung, Validierung und Optimierung von KI-Modellen für die cfDNA-basierte Krebsfrüherkennung im Rahmen der CaniSense-Plattform. Wir suchen Leute, die etwas bewegen wollen. Machen Sie etwas daraus! Werden Sie Teil unseres Teams und gehen Sie mit uns auf Forschungs- und Innovationsreise!

Hier sorgen Sie für Veränderung

• Vorverarbeitung, Bereinigung und Strukturierung von Sequenzierungsdatensätzen für das Training und die Validierung von KI-Modellen
• Durchführung explorativer Datenanalysen und Feature Engineering
• Entwicklung, Training und Optimierung von Machine-Learning-Modellen zur Krebserkennung und -klassifizierung
• Durchführung von Experimenten, Hyperparameter-Tuning und Bewertung der Modellleistung
• Strukturierte und reproduzierbare Dokumentation von Methodiken, Ergebnissen und Validierungsmetriken
• Unterstützung bei der Integration validierter KI-Modelle in die CaniSense-Plattform
• Beitrag zur kontinuierlichen Verbesserung der Robustheit, Skalierbarkeit und Genauigkeit der Modelle

Hiermit bringen Sie sich ein

Erforderlich:

• Masterstudium in den Bereichen KI, maschinelles Lernen, Bioinformatik, computergestützte Biologie, Informatik oder einem verwandten Fachgebiet
• Fundierte Python-Kenntnisse (z. B. NumPy, Pandas, Scikit-learn, PyTorch oder TensorFlow)
• Erfahrung mit Techniken zur Datenvorverarbeitung und Modellbewertung
• Verständnis für statistische Modellierung und Versuchsplanung
• Strukturierte, analytische Denkweise mit ausgeprägten Dokumentationsfähigkeiten
• Erfahrung im Umgang mit neuronalen Netzen

Wünschenswert:

• Erfahrung in der Entwicklung erklärbarer KI-Funktionen
• Erfahrung im Umgang mit biologischen Daten
• Kenntnisse in der Modellvalidierung im Gesundheitswesen oder in den Biowissenschaften
• Vertrautheit mit Versionskontrolle (Git), Jira und kollaborativer Entwicklung

Was wir für Sie bereithalten

• Attraktives Gehalt
• Moderner und gut ausgestatteter Arbeitsplatz in zentraler Lage
• Gute und kooperative Arbeitsatmosphäre in einem internationalen Team
• Flexible Arbeitszeiten

Die Stelle ist zunächst 1 Jahr befristet. Eine Verlängerung ist explizit erwünscht.

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern.

Die monatliche Arbeitszeit beträgt 80 Stunden. Die Stelle kann auch in Teilzeit besetzt werden.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Bereit für Veränderung? Dann bewerben Sie sich jetzt, und machen Sie einen Unterschied! Nach Eingang Ihrer Online-Bewerbung erhalten Sie eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Ihnen, wie es weitergeht.

Fraunhofer-Institut für Nachrichtentechnik, Heinrich-Hertz-Institut HHI