Thesis: KI-gestützte Annotation industrieller Bilddatensätze

Sommersemester 2027 - befristet auf 3-6 Monate

Ihre Aufgaben

• Arbeiten Sie mit umfangreichen Bilddatensätzen aus realen industriellen Anwendungen und schaffen Sie damit die Grundlage für leistungsfähige KI-Modelle.
• Untersuchen Sie bestehende Verfahren zur Datenannotation und entwickeln Sie automatisierte Annotationspipelines, um den bislang teilautomatisierten, iterativen und zeitaufwendigen Prozess effizienter zu gestalten.
• Entwickeln Sie Lösungsansätze für neue industrielle Anwendungsfälle, bei denen nur wenige annotierte Trainingsdaten zur Verfügung stehen.
• Untersuchen und bewerten Sie im Rahmen Ihrer wissenschaftlichen Arbeit einen oder mehrere der folgenden Ansätze:
• Active Learning (aktives Lernen)
• Ensemble Learning (Ensemble-Lernen)
• Model Distillation (Wissensdestillation)
• Synthetic Data Generation (synthetische Datengenerierung)
• Hyperparameter Optimization (Hyperparameteroptimierung)

Ihr Profil

• Studium der Künstlichen Intelligenz, Informatik, Mathematik oder eines vergleichbaren Studiengangs
• Gute Englischkenntnisse
• Programmierkenntnisse in Python und PyTorch sowie Erfahrung im Umgang mit REST-APIs
• Kenntnisse in Deep Learning, Computer Vision und Hyperparameteroptimierung
• Selbstständige, strukturierte und analytische Arbeitsweise
• Interesse an wissenschaftlichen Fragestellungen und innovativen Lösungsansätzen im Bereich der Künstlichen Intelligenz
• Kreativität und Freude daran, neue Methoden zu erforschen und praktisch umzusetzen

Kontakt: Sarah Disch