Startseite

PhD in Machine Learning and AI?

If you are interested in working towards a PhD in Machine Learning and AI as a research assistant (full-time) in our group, do not hesitate to contact us. We are a group of highly motivated researchers working in various fields between machine learning foundations (e.g., deep learning, transfer learning, uncertainty modeling, active learning, collaborative learning) and interdisciplinary applications (e.g., renewable energy systems, autonomous driving, physics and materials science). Your equipment and the support in getting your PhD will be excellent (e.g., several powerful GPU servers, regular doctoral seminars).

Between now and mid of 2020 we expect to be able to offer at least six PhD positions in fields such as
transfer learning for power forecasting of renewable energy plants recently brought into service,
prosumer behavior forecasting for usage planning of hydrogen storage in smart energy markets,
big data algorithms (e.g., deep learning for time series) for high-performant electric motor test facilities,
active learning, transfer learning, anomaly detection with autoencoders and generative adversarial networks for digital twins of photovoltaic plants,
decision support for startup and innovation investments based on autoencoders and generative adversarial networks (announcement).

Due to the administrative constraints, most vacancy notices have very short deadlines, and it is difficult to predict when they will become available. So, please write an email to bsick@uni-kassel.de to get more information.

Current job announcements:
32743

Willkommen auf der Website des Lehrstuhls Intelligent Embedded Systems (IES) der Universität Kassel.

Wir entwickeln und erforschen innovative Techniken, die die „maschinelle Intelligenz“ von technischen Systemen erhöhen.

Ein Computersystem kann als „intelligent“ bezeichnet werden, wenn es sich seiner eigenen Fähigkeiten und Bedürfnisse bewusst ist und wenn es in der Lage ist, dieses Wissen zu nutzen, um seine Fähigkeiten in einer dynamischen Umgebung aufrecht zu erhalten oder sogar zu verbessern. Wenn ein solches System mit anderen, ähnlichen Systemen oder Menschen interagiert, muss es sich auch deren Fähigkeiten und Bedürfnisse bewusst sein, um effizient zu kommunizieren, mit ihnen zusammenzuarbeiten oder sich pro-aktiv zu verhalten. Maschinelles Lernen ist daher ein zentrales Thema unserer Arbeit. Weitere wichtige Themen sind Soft Computing, Mustererkennung, Data Mining und Echtzeitsysteme.

Wenn Sie an unserer Arbeit interessiert sind kontaktieren Sie uns. Wir beantworten gerne Ihre Fragen.

Bernhard Sick