Blätter-Navigation

Angebot 31 von 320 vom 11.07.2024, 11:14

logo

Tech­ni­sche Uni­ver­si­tät Ber­lin - Fakultät IV: Elektrotechnik und Informatik - BIFOLD/ Institut für Technische Informatik und Mikroelektronik

Bei der Technischen Universität Berlin ist/sind folgende Stelle/n zu besetzen

Studentische Beschäftigung mit 80 Monatsstunden

Aufgabenbeschreibung:

Jüngste Fortschritte in der spektralen Fernerkundung haben die tägliche Erfassung immenser Datenmengen durch mehrere hyperspektrale Satellitenmissionen ermöglicht. Die Integration verschiedener Sensoren über räumliche und spektrale Dimensionen hinweg bietet ergänzende Informationen, um Fernerkundungsanwendungen wie die Kartierung der Landbedeckung zu verbessern. Diese Integration bringt jedoch erhebliche Herausforderungen mit sich.

In jüngster Vergangenheit haben Foundation Models bemerkenswerte Erfolge bei der Extrahierung tiefer, aussagekräftiger und abstrakter Features erzielt, welche Downstream Tasks erheblich verbessern. Trotz der Fülle an Foundation Models für RGB-Bilder gibt es nur wenige Modelle für multispektrale Daten und keine für hyperspektrale Daten. Daher wird der/die ausgewählte Kandidat/in bei der Vorbereitung von Benchmarkdaten und Modellen für hyperspektrale Satellitenmissionen helfen. Die Verantwortlichkeiten des/der ausgewählten Kandidaten/in sind nachstehend aufgeführt.

Unterstützende Tätigkeiten bei folgenden Aufgaben:
1- Datenvorbereitung und -verwaltung (40 %): Der/die Student/in wird hyperspektrale Daten von Satellitenmissionen sammeln, darunter DESIS, EMIT und EnMAP. Die Daten werden verarbeitet und als Analysis Ready Data (ARD) für Modelle des maschinellen Lernens/Deep Learnings (ML/DL) vorbereitet.
2- Benchmarking bestehender Foundation Models (40 %): Dazu gehört die Bewertung von Modellen wie Mask Autoencoder (MAE), Satellite Mask Autoencoder (SatMAE), SpectralGPT und kontrastbasierten Modellen wie Momentum Contrast (MoCo) und Simple Contrastive Learning (SimCLR).
3- Dokumentation und Präsentation (20 %): Der/die Student/in dokumentiert und präsentiert die Ergebnisse intern in Berichten und Präsentationen sowie international über Publikationen auf Konferenzen.

Erwartete Qualifikationen:

  • Programmierfähigkeiten (z.B. in Python) und Erfahrung mit Deep-Learning-Bibliotheken
  • Gute Deutsch- und/oder Englischkenntnisse erforderlich; Bereitschaft die jeweils fehlenden Sprachkenntnisse zu erwerben

Hinweise zur Bewerbung:

Fachlich verantwortlich / Ansprechpartner:in für die Ausschreibung: Frau Prof. Dr. Begüm Demir
Besetzungszeitraum: sofort bis 2 Jahre

Ihre schriftliche Bewerbung mit Anschreiben, Lebenslauf, Immatrikulationsbescheinigung und ggf. aktueller Notenübersicht richten Sie bitte an die o.g. Beschäftigungsstelle.
Zur Wahrung der Chancengleichheit zwischen Männern und Frauen sind Bewerbungen von Frauen mit der jeweiligen Qualifikation ausdrücklich erwünscht. Schwerbehinderte werden bei gleicher Eignung bevorzugt.