Das Intelligent Biomedical Sensing (IBS) Lab am Fachgebiet BIFOLD / Maschinelles Lernen der TU Berlin entwickelt miniaturisierte tragbare Neurotechnologie und am Körper getragene Sensoren zum unaufdringlichen Vermessen des Gehirns und körperlicher Physiologie im Alltag. Wir wenden Maschinelles Lernen auf multimodale Sensordaten an, zusammen mit kontextualisierenden Informationen aus der Umgebung, um ein intelligentes Monitoring und ein individuelles, umfassendes Verständnis von physischen und psychischen Zuständen und Risikofaktoren zu ermöglichen. Um mehr zu erfahren, besuchen Sie www.ibs-lab.com/mission-statement.
Wir suchen eine studentische Hilfskraft im Bereich der Signalverarbeitung und des skalierbaren Datenmanagements für Deep Learning anhand von Brain-Imaging-Daten.
Unter Anleitung auszuführende Aufgaben:

• 40 %: Beschaffung und Verarbeitung von Datensätzen: Unterstützung bei der Auswahl und Beschaffung aktueller, öffentlich verfügbarer Datensätze durch umfassende Literaturrecherche, Abwicklung von Downloads, Gewährleistung der Einhaltung von Standarddatenformaten (z. B. BIDS, SNIRF) und Mitbetreuung umfangreicher Datenspeicher.
• 30 %: Bewertung der Datenqualität: Unterstützung bei der Erstellung strukturierter Berichte zur Bewertung der Datenqualität sowohl von intern generierten Datensätzen (z. B. us dem IBS-Labor) als auch von extern erworbenen Datensätzen.
• 30 %: Unterstützung bei der Entwicklung von Deep-Learning-Modellen: Unterstützung bei der Entwicklung von Deep-Learning-Modellen für bevorzugte Aufgaben mit Schwerpunkt auf dem Design der Datenvorverarbeitungspipeline, der Datenerweiterung und dem Design von Deep-Learning-Architektur.

Muss:

• Sehr gute Kenntnisse in Computational Neuroscience, Informatik, Informationstechnologie, Elektrotechnik oder einem ähnlichen Fachgebiet.
• Sehr gute theoretische Kenntnisse über die Entwicklung von Deep-Learning-Modellen und biomedizinische Signalverarbeitung.
• Sehr gute Programmier- und Skriptingkenntnisse in Python (einschließlich Bibliotheken wie NumPy, Scikit-Learn, PyTorch und Xarray).
• Sehr gute Englischkenntnisse in Wort und Schrift.
• Immatrikulation an einer deutschen Universität.
  Kann:
• Praktische Erfahrung in einem oder mehreren der folgenden Bereiche: Signalverarbeitung und Qualitätsbewertung mit Schwerpunkt auf funktionaler Nahinfrarotspektroskopie (fNIRS), Elektroenzephalographie (EEG) oder anderen biomedizinischen Signalen.
• End-to-End-Entwicklung und -Bewertung von Deep-Learning-Modellen, praktische Erfahrung mit gängigen Modellen wie CNNs, TCNs, Transformers und Large-Scale-Foundation-Modellen und Versionskontrollwerkzeugen.
• Erfahrung mit Datenbankmanagementsystemen für die Entwicklung von Deep-Learning-Modellen. Verarbeitung von großen, mehrdimensionalen Biosignal-Zeitreihen-Daten.
• Team- und Kommunikationsfähigkeit, ausgeprägte analytische und konzeptionelle Fähigkeiten.
• Hohes Maß an Eigeninitiative, Eigenmotivation und Ergebnisorientierung.

Bitte senden Sie Ihre komplette Bewerbung inklusive Anschreiben, CV und Notenauszug in englischer Sprache in einer PDF per E-Mail an petra.dudakova@tu-berlin.de. Bitte bewerben Sie sich nur, wenn Sie sind an einer deutschen Universität eingeschrieben sind und in Berlin in Präsenz arbeiten können, der Arbeitsort die TU Berlin ist.

Fachlich verantwortlich / Ansprechpartner:in für die Ausschreibung: Dr.-Ing. Alexander v. Lühmann - petra.dudakova@tu-berlin.de
Besetzungszeitraum: 01.05.2026 für 2 Jahre
Bewerbung an: petra.dudakova@tu-berlin.de

Ihre schriftliche Bewerbung mit Anschreiben, Lebenslauf, Immatrikulationsbescheinigung und ggf. aktueller Notenübersicht richten Sie bitte unter Angabe der Kennziffer an die o.g. Beschäftigungsstelle.
Zur Wahrung der Chancengleichheit zwischen Männern und Frauen sind Bewerbungen von Frauen mit der jeweiligen Qualifikation ausdrücklich erwünscht. Schwerbehinderte werden bei gleicher Eignung bevorzugt.