Daten können verwendet werden, um Benutzerfreundlichkeit, Systeme und Software aufzubauen oder zu verbessern. Cookies dieser Kategorie sind für die Grundfunktionen der Website erforderlich. Sie dienen der sicheren und bestimmungsgemäßen Nutzung und sind daher nicht deaktivierbar. Großröhrsdorf radebergerstraße 57 baybo. Cookies dieser Kategorie ermöglichen es uns, die Nutzung der Website zu analysieren und die Leistung zu messen. Sie tragen zudem zur Bereitstellung nützlicher Funktionen bei. Das Deaktivieren dieser Cookies kann zu einem langsameren Seitenaufbau führen.
Mein MICHELIN-Konto Aktuelle Wartung.
KG Bohraer Straße 70 01936 Königsbrück
17, 00 € inkl. Mwst. zzgl. Versand Artikel nicht mehr verfügbar Verkäufer: akpool, Deutschland Verkäufe bisher: 11505 | Status: gewerblich Lagernummer: 2798629
4 km - Bautzner Straße 149, 01099 Dresden Mehr Restaurants in Großröhrsdorf Mein MICHELIN-Konto Aktuelle Wartung.
R. Diplom-Betriebswirt i. R. Schöne, Matthias Kaufmann Jakobsweg 5c 01900 Großröhrsdorf, OT Bretnig
Erwartete Qualifikationen: erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) im Bereich Informatik, Ingenieurwesen oder Angewandte Mathematik. Fachwissen zu Methoden und Theorie des Machine Learnings, tiefen neuronalen Netzen, Erklärungsmethoden und interpretierbaren Modellen. exzellente Programmierkenntnisse (z. B. in Python) und Erfahrung damit in Bibliotheken für tiefe Lernverfahren. exzellente Englischkenntnisse in Wort und Schrift; gute Deutschkenntnisse; Bereitschaft die jeweils fehlenden Sprachkenntnisse zu erlernen. Hinweise zur Bewerbung: Ihre schriftliche Bewerbung richten Sie bitte unter Angabe der Kennziffer mit den üblichen Unterlagen an die Technische Universität Berlin - Die Präsidentin - Fakultät IV, Institut für Technische Informatik und Mikroelektronik, FG Remote Sensing Image Analysis, Frau Prof. Dr. Beschäftige*r in der Informations- und Kommunikationstechnik (d/m/w) - 50 % Arbeitszeit - Entgeltgruppe 10 TV-L Berliner Hochschulen (ID: 133165, de) - Stellenangebote - Stellenticket Technische Universität Berlin. Begüm Demir, Sekr. EN 5, Einsteinufer 17, 10587 Berlin oder per Email an.
06. 2022 Kennziffer: ZECM-797/20 per Post: Technische Universität Berlin - Die Präsidentin - ZECM, Frau Müller-Klang, Sekr. EN 50, Einsteinufer 17, 10587 Berlin per E-Mail:
Technische Universität Berlin - Fakultät IV - Institut für Wirtschaftsinformatik und Quantitative Methoden / DAI-Labor Wiss. Mitarbeiter*in (d/m/w) - Entgeltgruppe 13 TV-L Berliner Hochschulen unter dem Vorbehalt der Mittelbewilligung; Teilzeitbeschäftigung ist ggf. Entgeltgruppe 13 tv l berliner hochschulen en. möglich Werden Sie Teil unseres Teams und forschen Sie mit uns an den Herausforderungen komplexer verteilter Softwaresysteme. Besonderer Fokus liegt dabei auf der effizienten Integration von KI-Komponenten in größere agentenbasierte Ökosysteme, der intelligenten Verteilung von Lasten über verbundene inhomogene Rechenkapazitäten sowie dem Aufbau von KI-Plattformen für verschiedene Spezialdomänen wie der bildgebenden Medizin. Wir suchen eine*n Wissenschaftliche*n Mitarbeiter*in (m/w/d) für das Innovationsprojekt EMPAIA (Ecosystem for Pathology Diagnostics with AI Assistance), einem BMWK-geförderten Projekt zur Etablierung einer Plattform für die sichere Nutzung von KI-Lösungen in der bildbasierten Pathologie.
Technische Universität Berlin - Fakultät IV - Institut für Technische Informatik und Mikroelektronik / FG Remote Sensing Image Analysis Wiss. Mitarbeiter*in (d/m/w) - Entgeltgruppe 13 TV-L Berliner Hochschulen Teilzeitbeschäftigung ist ggf. Wiss. Mitarbeiter*in (d/m/w) - Entgeltgruppe 13 TV-L Berliner Hochschulen (ID: 134378, de) - Stellenangebote - Berlin University Alliance Jobportal. möglich Aufgabenbeschreibung: Die Remote Sensing Image Analysis (RSiM) Gruppe sucht eine*n wissenschaftliche*n Mitarbeiter*in für Forschung und Entwicklung im Bereich des interpretierbaren Machine Learnings bezüglich der Erdbeobachtung. Die Ziele sind wie folgt: 1) Entwicklung robuster und interpretierbarer Modelle des maschinellen Lernens durch Integration von existierendem Wissen aus Anwendungen zur Erdbeobachtung; 2) Weiterentwicklung der Methoden zur Interpretation und Erklärung der Vorhersagen tiefer neuronaler Netze für verschiedene Anwendungen in der Erdbeobachtung. Zudem wird von dem*der Kandidat*in erwartet, Forschungsergebnisse zu veröffentlichen.