Das erwartet dich
In der Abteilung Datenanalyse und -intelligenz werden Methoden entwickelt und angewandt, die die Analyse komplexer und großer Datensätze ermöglichen. Hier wird auf Verfahren des maschinellen Lernens, der kausalen Inferenz sowie domänenspezifisches Prozesswissen zurückgegriffen. Zur Steigerung des Technologietransferpotentials werden bei der Anwendungsentwicklung Human Factors wie Akzeptanz berücksichtigt.
Die Arbeitsgruppe Kausale Inferenz hat zum Ziel, zu einem datengetriebenen Verständnis komplexer dynamischer Prozesse beizutragen. Dazu entwickelt die Gruppe Methoden und Software aus den Bereichen kausale Inferenz, statistisches Lernen und quantenmaschinelles Lernen. Wir bieten dir im Rahmen unserer Arbeitsgruppe die Möglichkeit, an einem unserer Forschungsprojekte mitzuarbeiten.
Deine Aufgaben
* Literaturrecherchen zum Thema quantenmaschinelles Lernen mit dem Ziel, neue experimentelle und theoretische Methoden kritisch zu bewerten und neue Ansätze bzw. Lösungsansätze für die eigene Arbeit abzuleiten
* Umsetzung und prototypische Implementierung von eigenen oder vorhandenen Methoden des quantenmaschinellen Lernens in Python
* Wissenschaftliche Auswertung und Interpretation der Ergebnisse und Vergleich mit bestehenden Verfahren
* Test und Dokumentation der Arbeit
* Unterstützung beim Verfassen von Berichten
Das bringst du mit
* Laufendes Studium der Physik, Mathematik, Informatik oder einer verwandten Fachrichtung
* Grundlegende Kenntnisse im Bereich Quantencomputing
* Grundlegende Kenntnisse im maschinellen Lernen, insbesondere im "Deep Learning"
* Sehr gute Deutschkenntnisse in Wort und Schrift
* Gute Englischkenntnisse
* Praktische Programmierkenntnisse in Python
* Voraussetzung für die Einstellung beim DLR ist die Sicherheitsüberprüfbarkeit nach dem Sicherheitsüberprüfungsgesetz (SÜG) sowie die Bereitschaft für eine Sicherheitsüberprüfung nach §8 ff. SÜG.