Werkstudent*in Mathematik, Statistik, Scientific Computing (25-201-8C)

PTB; Berlin; Sur place; EUR 8 900 - 11 000; Plein temps

Avantages offerts par ce poste

Flexible Arbeitszeiten

Homeoffice möglich

Kantine auf dem Gelände

Résumé du poste

Physikalisch-Technische Bundesanstalt (PTB) in Berlin-Charlottenburg sucht eine Studentin oder einen Studenten für eine Abschlussarbeit. Du entwickelst probabilistische DL-Methoden zur Bildrekonstruktion in der MRT mit reduzierter Datenaufnahme und quantifizierst Unsicherheiten der Lösung.

Du bist immatrikuliert in Mathematik/Statistik/Scientific Computing, bringst Erfahrung in Python mit und verfügst über Interesse an theoretischer/mathematischer Methodenentwicklung sowie deren Anwendung auf

Qualifications

• Immatrikulation in Bachelor- oder Masterstudium in Mathematik/Statistik/Scientific Computing oder Vergleichbares.
• Erfahrung in Python wird erwartet.
• Kenntnisse in DL-Methoden sind von Vorteil.

Responsabilités

• Entwicklung eines DL-Ansatzes zur Lösung eines inversen Problems in der medizinischen Bildgebung und zur Auswertung von Unsicherheiten.
• Implementierung der entwickelten Methode in Python.
• Theoretische und praktische Analyse der Methode anhand von Testproblemen und Daten.
• Anwendung der Methoden auf synthetische- und reale Messdaten.

Connaissances

Python

Deep Learning

Datenanalyse

Mathematische Methoden

Formation

Immatrikulation in Bachelor/Master in Mathematik/Statistik/Scientific Computing

Description du poste

Messkunst „Made in Germany" – dafür stehen die ca. 2.100 Mitarbeitenden der Physikalisch-Technischen Bundesanstalt (PTB). Als nationales Metrologieinstitut und führende Forschungseinrichtung entwickeln wir in einem internationalen Arbeitsumfeld weltweit führende Standards für das Messen. So sorgen wir dafür, dass Menschen und Organisationen Messungen vertrauen können.

In Berlin-Charlottenburg suchen wir Sie für den Fachbereich 8.4 „Mathematische Modellierung und Datenanalyse“ als:

Ihre Aufgaben:

In vielen Bereichen der medizinischen Bildgebung erzielen moderne Methoden des Deep Learnings (DL) Ergebnisse, welche mit etablierten Methoden der klassischen Datenanalyse mithalten können, oder diese sogar übertreffen. Im Rahmen einer Abschlussarbeit sollen neuartige, probabilistische DL-Methoden entwickelt werden, die es erlauben Unsicherheiten für ein konkretes, inverses Problem der medizinischen Bildgebung zu bestimmen: die Bildrekonstruktion bei reduzierter Datenaufnahme in der Magnetresonanztomographie.

• Entwicklung eines DL-Ansatzes zum Lösen eines inversen Problems in der medizinischen Bildgebung und zur Auswertung von Unsicherheiten
• Implementierung der entwickelten Methode in Python
• Theoretische und praktische Analyse der entwickelten Methode anhand von Testproblemen und Vergleich mit State-of-the-Art Ansätzen
• Anwendung der Methoden auf synthetische- und/oder reale Messdaten
• Immatrikulation in einem Bachelor- oder Masterstudiengang der Fachrichtung Mathematik, Statistik, Scientific Computing oder vergleichbar
• Interesse an theoretischer / mathematischer Methodenentwicklung und Anwendung auf reale Probleme
• Erfahrung in Python
• Kenntnisse in der Implementation von DL-Methoden sind von Vorteil
• Wertvolle und studienergänzende Praxiserfahrung in einem führenden Metrologieinstitut
• Dem Studium angepasste flexible Arbeitszeiten und Möglichkeit zum Arbeiten im Homeoffice
• Eine Beschäftigung für zunächst 6 Monate mit bis zu 60 Std./Monat, jedoch längstens bis zum Studienabschluss/Exmatrikulation
• Urlaubsanspruch sowie Entgeltfortzahlung im Krankheitsfall
• Sehr gute ÖPNV-Verbindung
• Kostenlose Parkplätze für Autos, Motorräder und Fahrräder sowie Lademöglichkeiten für E-Bikes
• Kantine auf dem Gelände
• Das Anfertigen einer Bachelor- oder Masterarbeit auf diesem Gebiet ist möglich und erwünscht

Das ist uns wichtig:

Die PTB fördert die Gleichstellung von Frauen und Männern und ist besonders an Bewerbungen von Frauen interessiert. Gleichzeitig sind wir bestrebt, die gesellschaftliche Vielfalt widerzuspiegeln. Daher ist jede Bewerbung, unabhängig von ihrem Geschlecht, ihrer kulturellen oder sozialen Herkunft, Religion, Weltanschauung oder sexuellen Identität herzlich willkommen. Schwerbehinderte oder ihnen gleichgestellte Menschen werden bei gleicher Eignung bevorzugt berücksichtigt.