Wir besetzen ab sofort eine Stelle als

Wissenschaftliche/r Mitarbeiter/in “KI-basierte Aktivitätserkennung für Wearable Computer” (TVL E13)

Gegenstand dieser Arbeit ist die Entwicklung robuster Erkennungsverfahren für am Körper, unter wechselnden Bedingungen angebrachte, preisgünstige Sensoren im Mobile und Wearable Computing Forschungsumfeld (z.B. Smartphones, Smartwatches, aber auch am TECO entwickelte Wearable Sensorsysteme). Ein zentrales Problem in diesem Kontext besteht darin, dass bisherige Systeme in sich ständig dynamisch verändernden Alltagssituationen meist nur unzuverlässig funktionieren. In dieser Forschung soll eine hoch robusten Klassifikation von Nutzerinteraktion entwickelt werden, in dem zunächst die Sensorplatzierung, dann die Umgebung des Sensorgeräts und zuletzt der körperliche Zustand, die Aktivität der/des Nutzerin/Nutzers und der Umgebungskontext erkannt werden sollen. Dazu werden experimentell (sowohl im Feld als auch im Labor) Daten zum Training für Modelle erfasst und ausgewertet.

Das trainierte Modell soll sowohl durch unüberwachtes kontinuierliches Lernen als auch durch Expertenwissen erweiterbar sein. Auf Basis existierender Verfahren (z.B. Association Rule Mining, tiefe Neuronale Netze, Active Learning, Transfer-Learning) werden neue hybride Verfahren und Algorithmen erforscht, die in der Lage sind, in Alltagssituationen Nutzeraktivitäten robust zu erkennen. Solche Systeme sind in der Lage, direktes Feedback zu geben oder Informationen in longitudinalen Studien zu sammeln (z.B. per Experience Sampling Methode). Die konkrete Gestaltung der Forschungsaufgabe ist flexibel: Es kann sowohl der Schwerpunkt auf den Wearable-Bereich gelegt werden (Sensorik, Attachment etc., die dann besonders robuste Erkennung ermöglichen) und dann Standard-KI-Tools verwendet werden, als auch der Schwerpunkt auf die KI gelegt werden – und dann Standard-Hardware bzw. TECO-Hardware (z.B. OpenEarables) für die Wearables verwendet werden.

Ihre Aufgaben
Ihre Aufgaben umfassen die Mitarbeit an dem Graduiertenkolleg KD²School. Ebenso sind sie in der Wearable-Arbeitsgruppe des TECO verortet.

Die Stelle ist als Promotionsstelle geplant (ein Promotionsplan sollte dafür innerhalb des ersten Jahres gemeinsam erarbeitet werden)

Unser Profil
Die TECO-Forschergruppe (www.dmz.teco.edu) besteht aus einem hochmotivierten, interdisziplinärern Team, das sich anspruchsvollen und abwechslungsreichen Aufgaben mit hoher Eigenverantwortung und Gestaltungsspielraum im Bereich des Ubiquitous Computing/Wearable Computing/AI stellt. Das TECO ist Teil des Lehrstuhls für Pervasive Computing innerhalb der Informatikfakultät des KIT (eine der deutschen Exzellenzuniversitäten und Forschungsuniversität der Helmholtzgemeinschaft).  Der Anspruch des TECO ist es, sowohl bezüglich der Forschungsergebnisse – beispielsweise bezüglich der Qualität der Veröffentlichungen – als auch bezüglich der industriellen Verwertbarkeit – durch viele Start-Ups und direkte Kooperation mit Mittelständlern und Großindustrie – auf internationalem Spitzenniveau zu sein.

Ihr Profil
Sie sollten entweder einen starken Hintergrund im Bereich des Machine Learning haben und aktuelle ML bzw. Data Analytics Frameworks (wie z.B. pytorch, keras, tensorflow, sklearn, pandas) beherrschen, oder aber im Bereich des Wearable- oder Ubiquitous Computing entsprechende Kenntnisse besitzen. Programmierkenntnisse sind Voraussetzung für diese Stelle. Sie sollten zudem einen Masterabschluss in Informatik oder vergleichbaren Studiengängen haben.

Wir streben eine hohe Diversität in unserem Team an. Deshalb sind beispielsweise Bewerbungen von Frauen besonders willkommen und werden bei gleichwertiger Qualifikation vorrangig berücksichtigt. Ebenso sind Bewerbungen schwerbehinderter Menschen ausdrücklich erwünscht und werden bei gleicher Eignung bevorzugt.

Schicken Sie aussagekräftige Bewerbungen (inkl. Lebenslauf und Zeugnissen, aber auch gerne falls relevant inkl. Ihrer Masterthesis oder Links zu Ihren Softwareprojekten) an Prof. Dr. Michael Beigl (Michael.Beigl@kit.edu). Wir möchten die Stelle zum schnellstmöglichen Zeitpunkt besetzen.