Nachwuchsforschungsgruppe CIAO
Wir sind die Nachwuchsforschungsgruppe CIAO (Computational Interaction and Mobility) und arbeiten an der Schnittstelle von maschinellem Lernen, Mensch-Computer-Interaktion und Mobilität. Bei CIAO sind wir der festen Überzeugung, dass das Design, die Entwicklung und die Bewertung intelligenter mobiler Geräte (zu denen auch Autos gehören) noch nicht genug auf den Menschen ausgerichtet ist.
Dies führt zu Entscheidungen, die von den Bedürfnissen der Kundschaft und realen Problemen losgelöst sind. Wir wollen den derzeitigen Designprozess neu überdenken. Datengestützte Erkenntnisse und auf maschinellem Lernen basierende Nutzungsmodelle müssen ein integraler Bestandteil des Produktentwicklungs- und -bewertungsprozesses sein. Nur so kann man die Vielzahl individueller und kontextbezogener Faktoren berücksichtigen, die die menschliche Interaktion mit der Technologie beeinflussen, und Systeme entwickeln, die für alle Nutzer:innen in allen Situationen einfach und sicher zu bedienen sind. Unser Ziel ist es, zu einem besseren Verständnis der menschlichen Interaktion mit intelligenten mobilen Schnittstellen und Transportsystemen beizutragen, indem wir neue datengestützte Benutzungsmodelle und Bewertungsmethoden entwickeln, die (1) auf überwachtem maschinellem Lernen und (2) auf der Theorie der Computational Rationality und Reinforcement Learning basieren.
Erfahren Sie hier mehr über uns: https://ciao-group.github.io/
Das Projekt
Das Ziel dieses Projekts ist die Nutzung naturalistischer Fahrdaten zur Verbesserung der Gestaltung von Fahrzeugschnittstellen für das manuelle und automatisierte Fahren. Wir wollen computergestützte Benutzungsmodelle entwickeln, die die Interaktion, den Blick und das Fahrverhalten von Fahrer:innen simulieren und vorhersagen, wenn sie während der Fahrt mit bordeigenen Informationssystemen interagieren. Diese Modelle werden in Tools integriert, die bei der Konzeptentwicklung und dem Designe ein frühes Design-Feedback zu Ablenkungs- und Benutzungsfreundlichkeitskriterien für Fahrer:innen geben.
Das Projekt ist eine Zusammenarbeit mit einem großen deutschen Automobilhersteller. Als Doktorand:in werden Sie eng mit UX-Expert:innen aus der Automobilindustrie, UI-Designer:innen und Datenwissenschaftler:innen zusammenarbeiten, um ML-basierte Design-Tools und datengesteuerte Benutzungsmodelle zu entwickeln, die das Fahrerlebnis im Auto verbessern und unsere Straßen sicherer machen.
Zugehörige Publikationen:
- Multitasking While Driving: How Drivers Self-Regulate Their Interaction with In-Vehicle Touchscreens in Automated Driving: https://ciao-group.github.io/papers/Paper9.pdf
- On the forces of driver distraction: Explainable predictions for the visual demand of in-vehicle touchscreen interactions: https://ciao-group.github.io/papers/Paper2.pdf
- A model for naturalistic glance behavior around Tesla Autopilot disengagements: https://www.sciencedirect.com/science/article/pii/S0001457521003791
Über ScaDS.AI
ScaDS.AI (Center for Scalable Data Analytics and Artificial Intelligence) Dresden/Leipzig ist eines der dauerhaft eingerichteten nationalen Zentren für Künstliche Intelligenz an der Universität Leipzig und der TU Dresden, das vom Bund und dem Freistaat Sachsen finanziert wird. Das Leipziger Subzentrum wird als zentrale Einrichtung der Universität Leipzig etabliert und wird mittelfristig mehr als 200 Mitarbeitende allein am Standort Leipzig zusammenführen. In ScaDS.AI werden verschiedene Forschungsthemen im Rahmen einer Graduiertenschule zu den Grundlagen und Anwendungen von Data Science und Künstlicher Intelligenz bearbeitet. Darüber hinaus werden dienstleistungsorientierte Lösungen entwickelt und es besteht eine enge Zusammenarbeit mit zahlreichen Partnerorganisationen aus Wissenschaft und Industrie. Das Zentrum bietet ein exzellentes Arbeitsumfeld mit Zugang zu modernsten Technologien und einer hervorragenden High-Performance-Computing-Infrastruktur.
- Ein ausgezeichneter MSc-Abschluss (oder kurz vor dem Abschluss) in Künstlicher Intelligenz, Maschinellem Lernen, Datenwissenschaft, Informatik, Mensch-Computer-Interaktion oder einer verwandten Disziplin.
- Solide Kenntnisse (und Erfahrung mit) maschinellem Lernen und Deep Learning
- Ausgeprägte Python-Kenntnisse mit guten Kenntnissen in der Erstellung von Datenverarbeitungspipelines und der Entwicklung/Bewertung von Modellen für maschinelles Lernen und Deep Learning.
- Praktische Erfahrung in der Arbeit mit relationalen SQL- und noSQL-DB, Postgres, MongoDB usw.
- Praktische Erfahrung in der Entwicklung von ETL-Lösungen auf Big-Data-Clustern ist ein Plus
- Kenntnisse in einem oder mehreren der folgenden Bereiche sind von Vorteil: Mensch-Computer-Interaktion, kognitive Modellierung, computergestützte Benutzermodelle
- Flexible Arbeitszeiten, selbstbestimmtes Arbeiten und vielfältige und anspruchsvolle Forschungsaufgaben.
- Arbeit in einem jungen, (noch) kleinen und interdisziplinären Team innerhalb eines nationalen Forschungszentrums
- Bezahlung nach TV-L 13 (100%)
- Einen voll ausgestatteten Arbeitsplatz vor Ort und die Einbindung in die ScaDS.AI-Community, sowie Zugang zur EDV-Infrastruktur und allen damit verbundenen Veranstaltungen, Schulungen und Kursen.
Universität Leipzig
Patrick Ebel
Humboldtstraße 25
04105 Leipzig
M ebel@uni-leipzig.de
T +49 341 97 39356
![Institut für Angewandte Informatik (InfAI) e. V. Institut für Angewandte Informatik (InfAI) e. V.](https://infai.org/wp-content/uploads/2022/08/InfAI-Logo-mobile-sm.png)
Um sich zu bewerben, schicken Sie bitte die folgenden Dokumente an Dr. Patrick Ebel (ebel@uni-leipzig.de):
CV & Transcript of records
Research Statement (max. eine Seite) mit einer Begründung, warum Sie in diesem Forschungsbereich promovieren möchten
Wir begrüßen insbesondere Bewerbungen von (mehrfach) diskriminierten Personen und ermutigen Bewerbungen von Menschen aller Ethnien, Religionen, nationalen Herkünfte, Geschlechter, sexuellen Orientierungen, geschlechtlichen Identitäten, geschlechtlichen Ausdrücken und Altersgruppen sowie von Menschen mit Behinderungen. Leider ist die Liste möglicher Formen der Diskriminierung lang und unvollständig, aber wir möchten Sie wissen lassen, dass wir uns darauf freuen, Sie kennenzulernen!