Ingenieur Techniker-Stellenangebote für Python

Anbieter Lehrstuhl und Institut für Mensch-Maschine-Interaktion Unser Profil Das Institut für Mensch-Maschine-Interaktion (MMI) ist eine national und international aktive und erfolgreiche Forschungsei

Themenschwerpunkte sind dabei roboterunterstützte Montage- und Fertigungsprozesse, die Mensch-Technik-Interaktion sowie die Mensch-Roboter-Kollaboration als auch Informations- und Kommunikationstechnologien für das Industrial Internet of Things.

Themenschwerpunkte sind dabei roboterunterstützte Montage- und Fertigungsprozesse, die Mensch-Technik-Interaktion sowie die Mensch-Roboter-Kollaboration als auch Informations- und Kommunikationstechnologien für das Industrial Internet of Things.

Ziel ist die Automatisierung komplexer chirurgischer Planungsprozesse unter Verwendung moderner Self-Supervised-Techniken: * Pioneering Self-Supervised Learning: Erforschung und Adaption moderner Joint Embedding Predictive Architectures (z. B. I-JEPA, V-JEPA) für volumetrische medizinische Daten (CT/DVT).

Ziel ist die Automatisierung komplexer chirurgischer Planungsprozesse unter Verwendung moderner Self-Supervised-Techniken:  * Pioneering Self-Supervised Learning: Erforschung und Adaption moderner Joint Embedding Predictive Architectures (z. B. I-JEPA, V-JEPA) für volumetrische medizinische Daten (CT/DVT).

  Die Leibniz Universität Hannover (LUH) bietet exzellente Arbeitsbedingungen in einem lebendigen wissenschaftlichen Umfeld, eingebettet in die hervorragenden Lebensbedingungen einer modernen Großsta

Aufgabenbereiche Mitarbeit in Projekten des europäischen Data Science & Advanced Analytics Teams.Konzeption, Design, Entwicklung und Umsetzung komplexer innovativer KI-/Machine‑Learning‑Lösungen sowie Durchführung und Implementierung von Konzeptstudien unter Einsatz fortgeschrittener statistischer Methoden.Entwicklung von Deep‑Learning‑Modellen zur Extraktion strukturierter medizinischer Konzepte aus unstrukturierten Daten.Produktionsreife Implementierung von Machine‑Learning‑Algorithmen auf Big‑Data‑Plattformen.Anwendung moderner Data‑Mining‑ und Machine‑Learning‑Techniken im Zusammenhang mit Healthcare‑Big‑Data zur Identifikation komplexer Zusammenhänge und zur Verknüpfung heterogener Datenquellen.Fortgeschrittener Einsatz von Large Language Models für Zusammenfassungen, Chatbots, Entitätsextraktion usw.Entwicklung grundlegender Deep‑Learning‑Modelle für Assets und Patienten.Aufbau und Training neuer produktionsreifer Algorithmen, die aus komplexen, hochdimensionalen Daten lernen und Muster erkennen, aus denen ML‑Modelle und Anwendungen entwickelt werden können.