Blätter-Navigation

Angebot 51 von 274 vom 25.11.2022, 07:43

logo

Tech­ni­sche Uni­ver­sität Ber­lin - Fakul­tät IV - Qua­lity and Usa­bi­lity Lab

Wiss. Mit­ar­bei­ter*in (d/m/w) - Ent­gelt­gruppe 13 TV-L Ber­li­ner Hoch­schu­len

unter dem Vor­be­halt der Mit­tel­be­wil­li­gung; Teil­zeit­be­schäf­ti­gung ist ggf. mög­lich

Die Mehr­zahl der Sys­teme und Dienste, die die Infor­ma­tik, die Elek­tro-, Infor­ma­ti­ons- und Medi­en­tech­nik bereit­stel­len, rich­ten sich letzt­end­lich an mensch­li­che Nut­ze­rin­nen und Nut­zer. Für den Erfolg sol­cher Sys­teme und Dienste ist es daher uner­läss­lich, sich mit den Nut­zen­den und ihren Ver­hal­tens­wei­sen bei der Inter­ak­tion zu befas­sen. Dar­aus kön­nen Gestal­tungs­prin­zi­pien für Mensch-Maschine-Schnitt­stel­len abge­lei­tet und Anfor­de­run­gen an die zugrun­de­lie­gen­den Tech­no­lo­gien defi­niert wer­den.

Das Qua­lity and Usa­bi­lity Lab ist als Fach­ge­biet der Fakul­tät IV mit der Gestal­tung und Eva­lu­ie­rung sol­cher Mensch-Maschine-Inter­ak­tio­nen befasst, wobei sowohl Aspekte der mensch­li­chen Wahr­neh­mung, der tech­ni­schen Sys­teme, als auch der Gestal­tung der Inter­ak­tion Gegen­stand unse­rer For­schung sind. Bei uns steht selbst­be­stimm­tes Arbei­ten in einem inter­dis­zi­pli­nä­ren und inter­na­tio­nal auf­ge­stell­ten Team mit Mit­tel­punkt; hier­für bie­ten wir offene und fle­xi­ble Arbeits­be­din­gun­gen, die den wis­sen­schaft­li­chen und per­sön­li­chen Aus­tausch för­dern und Vor­aus­set­zung für erst­klas­sige Ergeb­nisse sind.

Aufgabenbeschreibung:

Die maschi­nelle Fake News Erken­nung hat für Text- und Bild­da­ten bereits einige Fort­schritte gemacht. Jedoch gibt es für den Audio­be­reich nur rudi­men­täre Ansätze, die erforscht und erwei­tert wer­den.

Ihre Auf­ga­ben lie­gen im Bereich der Anony­mi­sie­rung und Fake-News Erken­nung für Sprach- und Text­me­dien. Ein Fokus wird dabei auf der Anwen­dung und Eva­lua­tion von Metho­den bzw. gro­ßer Sprach­mo­delle (GPT, BERT, etc.) lie­gen, aber auch Metho­den im Bereich Daten­an­ony­mi­sie­rung von Text- sowie Audio­da­ten wer­den betrach­tet wer­den. Hier­bei wer­den Iden­ti­tä­ten in Text- und Audio­da­teien ver­tauscht, oder ver­zerrt. Bei­spiele kom­men aus dem Bereich der Des­in­for­ma­tion mit­tels mani­pu­lier­ter Medien wie Audio- oder Text­in­ter­views aus Nach­rich­ten­re­dak­tio­nen und Social-Media-Kanä­len.

Dar­über hin­aus sol­len die ange­wen­de­ten Modelle um drei Teil­be­rei­che erwei­tert wer­den: Pri­vacy: Anony­mi­sie­rung und Robust­heit der Modelle, damit Mem­bership Infe­rence Attacks/ Adver­s­a­rial Attacks keine Chance haben (vor allem für den Anwen­dungs­fall von medi­zi­ni­schen Daten); Fair­ness: Ver­zer­run­gen in den Daten (balan­ced sam­ples), in den Model­len und auch Vor­her­sa­gen sol­len ana­ly­siert und redu­ziert wer­den; und Trans­pa­renz: Metho­den aus dem Bereich Exp­lainable AI wer­den für Text- und Audio­da­ten ange­wen­det, um Modell­vor­her­sa­gen bes­ser ver­ste­hen zu kön­nen.

Diese Erwei­te­run­gen wer­den mit­tels Nut­zer­stu­dien unter­sucht und in Hin­blick auf die Ver­ständ­lich­keit und Ein­fluss auf Ver­trauen in die KI-Sys­teme opti­miert.
Zu den kon­kre­ten Auf­ga­ben zäh­len u.a.:
  • Anony­mi­sie­rungme­tho­den für Text- und Sprach­da­ten explo­rie­ren
  • Wis­sen­schaft­li­che Betrach­tung und Wei­ter­ent­wick­lung von Metho­den für Anony­mi­sie­rung medi­zi­ni­scher Daten sowie für den Bereich Fake-News Erken­nung
  • Pla­nung und Durch­füh­rung von Nut­zer­stu­dien
  • Aktive Mit­ar­beit bei der Kon­zep­tion, Auf­bau und Eva­lua­tion des Gesamt­sys­tems
  • Ver­öf­fent­li­chung und Prä­sen­ta­tion von Pro­jekt- und For­schungs­er­geb­nis­sen in wis­sen­schaft­li­chen Zeit­schrif­ten, auf Kon­fe­ren­zen und Work­shops

Fach­lich erfah­rende Per­so­nen aus unse­rem Team unter­stüt­zen bei der selbst-moti­vier­ten Bear­bei­tung die­ser Auf­ga­ben­be­rei­che.

Erwartete Qualifikationen:

  • Erfolg­reich abge­schlos­se­nes wis­sen­schaft­li­ches Hoch­schul­stu­dium (Mas­ter, Diplom oder Äqui­va­lent) in (Tech­ni­scher) Infor­ma­tik, Medi­en­in­for­ma­tik, Medi­en­tech­nik oder Elek­tro­tech­nik (oder ähn­li­cher tech­ni­scher Hin­ter­grund)
  • Fähig­keit zur eigen­ver­ant­wort­li­chen Zusam­men­ar­beit im Team und eine gute Selbst­or­ga­ni­sa­tion
  • Gute Pro­gram­mier­kennt­nisse in Python und deren rou­ti­nierte Nut­zung in Ent­wick­lungs­um­ge­bun­gen
  • Erfah­rung in der Nut­zung von Machine Lear­ning Frame­works wie bspw. Ten­sor­flow, Keras oder PyTorch
  • Fun­dierte Kennt­nisse der Prin­zi­pien des maschi­nel­len Ler­nens
  • Vor­er­fah­run­gen im Bereich Natu­ral Lan­guage Pro­ces­sing oder Sprach­si­gnal­ver­ar­bei­tung
  • Sprach­kennt­nisse: Deutsch und Eng­lisch kom­mu­ni­ka­ti­ons­si­cher
  • Freude an der Arbeit in einem inter­na­tio­na­len und inter­dis­zi­pli­nä­ren Umfeld
  • Inter­esse an der Durch­füh­rung von Expe­ri­men­ten mit Ver­suchs­per­so­nen zur Bestim­mung von Qua­li­tät und Nut­zungs­er­le­ben
  • Gewünschte Vor­kennt­nisse (nicht erfor­der­lich):
  • Erfah­rung in der effi­zi­en­ten Auf­be­rei­tung von Trai­nings­da­ten für KI-basierte Sys­teme
  • Erfah­rung mit Deep-Fake oder Anony­mi­sie­rungs­me­tho­den
  • Erfah­rung mit Trans­for­mer-basier­ten Sprach­mo­del­len wie bspw. BERT oder GPT

Hinweise zur Bewerbung:

Um für den Aus­wahl­pro­zess berück­sich­tigt wer­den zu kön­nen, sen­den Sie bitte nach­ste­hende Unter­la­gen, kom­bi­niert in einer PDF Datei, an Prof. Dr.-Ing. Sebas­tian Möl­ler unter bewerbung@qu.tu-berlin.de:
Bewer­bungs­schrei­ben, Lebens­lauf, Zeug­nis­ko­pien, Arbeits­zeug­nisse.

Mit der Abgabe einer Online­be­wer­bung geben Sie als Bewer­ber*in Ihr Ein­ver­ständ­nis, dass Ihre Daten elek­tro­nisch ver­ar­bei­tet und gespei­chert wer­den. Wir wei­sen dar­auf hin, dass bei unge­schütz­ter Über­sen­dung Ihrer Bewer­bung auf elek­tro­ni­schem Wege keine Gewähr für die Sicher­heit über­mit­tel­ter per­sön­li­cher Daten über­nom­men wer­den kann. Daten­schutz­recht­li­che Hin­weise zur Ver­ar­bei­tung Ihrer Daten gem. DSGVO fin­den Sie auf der Web­seite der Per­so­nal­ab­tei­lung: https://www.abt2-t.tu-berlin.de/menue/themen_a_z/datenschutzerklaerung/ oder Direkt­zu­gang: 214041.

Zur Wah­rung der Chan­cen­gleich­heit zwi­schen Frauen und Män­nern sind Bewer­bun­gen von Frauen mit der jewei­li­gen Qua­li­fi­ka­tion aus­drück­lich erwünscht. Schwer­be­hin­derte wer­den bei glei­cher Eig­nung bevor­zugt berück­sich­tigt. Die TU Ber­lin schätzt die Viel­falt ihrer Mit­glie­der und ver­folgt die Ziele der Chan­cen­gleich­heit.

Tech­ni­sche Uni­ver­si­tät Ber­lin - Die Prä­si­den­tin - Fakul­tät IV, Qua­lity and Usa­bi­lity Lab, Prof. Dr.-Ing. Sebas­tian Möl­ler, Sekr. TEL 18, Ernst-Reu­ter-Platz 7, 10587 Ber­lin