Martin-Luther-Universität Halle-Wittenberg

Aufgaben

Forschung zur Entwicklung und zum Einsatz modernster Computer-Vision-Modelle auf phänomischen Bilddaten zur Extraktion agronomischer Merkmale
Entwicklung neuartiger End-to-End-Deep-Learning-Pipelines zur Vorhersage der Pflanzenleistung und der Genotyp-Umwelt-Wechselwirkungen (G×E) aus Bilddaten
Weiterentwicklung multimodaler Latent-Space-Modellierungsansätze für Anwendungen im Bereich der Pflanzenphenotypisierung
Unterstützung wissenschaftlicher und technischer Mitarbeiter bei der Einrichtung standardisierter Bildverarbeitungs-Pipelines
Fachliche Beratung von Doktoranden und Studierenden bei der Anwendung von Methoden des maschinellen Lernens
Konzeption und Durchführung von Lehrveranstaltungen zu Deep Learning für die Landwirtschaft und präzise Phänotypisierung
Mitwirkung an der Vorbereitung und Einreichung von Forschungsanträgen
Präsentation von Forschungsergebnissen auf Konferenzen und Veröffentlichung in Fachzeitschriften

Abgeschlossene Promotion in Informatik mit Schwerpunkt Computer Vision
Fundierte Fachkenntnisse in Python und Deep-Learning-Frameworks (PyTorch, TensorFlow)
Ausgezeichnete Kommunikationsfähigkeiten in Englisch
Erfahrung in der Pflanzenphenotypisierung oder verwandter agronomischer Forschung wünschenswert

Möglichkeit zur wissenschaftlichen Qualifizierung im Rahmen einer Habilitation
Sichere Anstellung und attraktive Arbeitsbedingungen (Homeoffice, flexible Arbeitszeit)
Unterstützung der Bildung junger Menschen und Beitrag zur wissenschaftlichen Forschung