English Version
This position is currently open for application!
Please find the official job posting here.
The “reference number” is: Bifold 3435T10/23
Working Student with 40-80h/month
no teaching tasks
Area of responsibility:
The newly founded Intelligent Biomedical Sensing (IBS) Lab at TU Berlin’s BIFOLD / Machine Learning Department develops miniaturized wearable neurotechnology and body-worn sensors for unobtrusive monitoring of the embodied brain in the everyday world. It uses machine learning on multimodal sensor data, together with environmental context information toward intelligent monitoring and individualized comprehensive understanding of physical and mental states and risk factors. To learn more visit www.ibs-lab.com/mission-statement.
We are looking for a student research assistant in the domain of Naturalistic Brain-Body Monitoring Experiments and Signal Analysis
- Approx. 40% support in the scientific work developing infrastructure and methods for context-sensitive bio signal acquisition (e.g. by adopting solutions for eye and motion tracking, computer vision, speech-to text) and time series analysis of the corresponding data
- Approx. 40% support in setting up, running and maintaining the lab’s biosensing environment and experiments
- Approx. 20% support with data conditioning and with documentation in the form of reports and scientific papers
Desired Expertise and Skills:
Required:
- Advanced knowledge of the foundations of an engineering discipline, computational neuroscience, computer science or applied mathematics
- very good knowledge of machine learning and signal processing methods or toolboxes for computer vision, language processing or motion tracking
- competent programming and scripting skills (especially in Python / Matlab) and corresponding libraries (e.g. sklearn, NumPy, …)
- highly proficient in written and spoken English
- team player and good communicator
- pronounced analytical and conceptual skills
- a high level of initiative, self-motivation and results orientation
Its a Plus:
- Hands-on experience with one or several of the following: computer vision (e.g. OpenCV), language models / speech-to-text (e.g. GPT, whisper), eye tracking, photogrammetry, motion tracking (e.g. Kinect sensors)
- Experience in scientific work
- Experience in dealing with version control tools, e.g. Git
- Prior experience in bio signal acquisition in human experiments
- Interdisciplinary and cooperative project experience
Supervisor / Technically responsible:
Dr.-Ing. Alexander von Lühmann
Hiring Period:
starting now, up to 2 years
Please send your written application including CV, enrollment certificate, and if applicable, a current transcript of records, to the following address (via email). Important: Please state the reference number above.
Fak IV- Institute for Electrical Engineering and Computer Science
Department of Machine Learning
Prof. Dr. Klaus-Robert Müller
MAR 4-1, Marchstr. 23, 10587
Email: sekr@ml.tu-berlin.de
Tel.: 314-78621
In order to promote equal opportunities for men and women, applications from women with the relevant qualifications are explicitly desired. In case of equal qualifications, disabled persons will be given priority.
Deutsche Version
Diese Stelle ist derzeit ausgeschrieben!
Die offizielle Stellenausschreibung finden Sie hier.
Die „Ausschreibungskennziffer” lautet: Bifold 3435T10/23
Studentische Hilfskraft mit 40-80h/Monat
ohne Unterrichtsaufgaben
Aufgabengebiet:
Das neu gegründete Labor für Intelligente Biomedizinische Sensorik (IBS) am BIFOLD / Fachgebiet Maschinelles Lernen der TU Berlin entwickelt miniaturisierte unauffällige und körpergetragene Sensoren zur Vermessung von Gehirn, Körper und Kontext in natürlichen Alltagsumgebungen. Es nutzt maschinelles Lernen auf den multimodalen Sensordaten und Kontextinformationen, um zu einem individualisierten ganzheitlichen Verständnis von körperlicher und geistiger Gesundheit beizutragen: Für eine intelligenten Beurteilung und Behandlung von körperlichen und mentalen Zuständen und Risikofaktoren.
Besuchen Sie www.ibs-lab.com/mission-statement, um mehr zu erfahren.
Wir suchen eine studentische Hilfskraft für den Bereich Naturalistische Brain-Body Monitoring Experimente und Signalanalyse
- Ca. 40% Unterstützung bei der wissenschaftlichen Arbeit zur Entwicklung von Infrastruktur und Methoden zur kontextsensitiven Biosignalerfassung (z.B. durch den Einsatz von Lösungen für eye- und motion tracking, Computer Vision, Speech-to-Text) und Zeitreihenanalyse der entsprechenden Daten
- Ca. 40% Unterstützung bei der Einrichtung, dem Betrieb und der Wartung der Biosensorik-Umgebung und der Experimente im Labor
- Ca. 20% Unterstützung bei der Datenaufbereitung und bei der Dokumentation in Form von Berichten und wissenschaftlichen Arbeiten
Erwünschte Kenntnisse und Fähigkeiten:
Erforderlich:
- Fortgeschrittene Kenntnisse der Grundlagen der Ingenieurwissenschaften, Computational Neuroscience, Informatik oder angewandten Mathematik
- sehr gute Kenntnisse von Methoden oder toolboxen des maschinellen Lernens und der Signalverarbeitung für Computer Vision, Sprachverarbeitung oder Motion Tracking
- gute Programmier- und Skripting-Kenntnisse (insbesondere in Python / Matlab) und entsprechende Bibliotheken (z.B. sklearn, NumPy, …)
- sehr gute Englischkenntnisse in Wort und Schrift
- Teamfähigkeit und gute Kommunikationsfähigkeit
- ausgeprägte analytische und konzeptionelle Fähigkeiten
- ein hohes Maß an Eigeninitiative, Eigenmotivation und Ergebnisorientierung
Es ist von Vorteil:
- Praktische Erfahrung mit einem oder mehreren der folgenden Themen: Computer Vision (z.B. OpenCV), Sprachmodelle / Sprache-zu-Text (z.B. GPT, Whisper), Eye Tracking, Photogrammetrie, Motion Tracking (z.B. Kinect-Sensoren)
- Erfahrung im wissenschaftlichen Arbeiten
- Erfahrung im Umgang mit Versionskontrollwerkzeugen, z. B. Git
- Erfahrung in der Erfassung von Biosignalen in Humanexperimenten
- Interdisziplinäre und kooperative Projekterfahrung
Fachlich verantwortlich:
Dr.-Ing. Alexander von Lühmann
Einstellungsdauer:
ab sofort, bis 2 Jahre
Ihre schriftliche Bewerbung mit Lebenslauf, Immatrikulationsbescheinigung und ggf. aktueller Notenübersicht richten Sie bitte unter Angabe der Ausschreibungskennziffer (gerne per Email) an
Fak IV.-Institut für Softwaretechnik und Theoretische Informatik
Fachgebiet Maschinelles Lernen
Prof. Dr. Klaus-Robert Müller
MAR 4-1, Marchstr. 23, 10587
E-Mail: sekr@ml.tu-berlin.de
Tel.: 314-78621
Zur Wahrung der Chancengleichheit zwischen Männern und Frauen sind Bewerbungen von Frauen mit der jeweiligen Qualifikation ausdrücklich erwünscht. Schwerbehinderte werden bei gleicher Eignung bevorzugt.