Werkstudent (all genders) – Interpretierbare Machine-Learning-Methoden für EEG-basierte Klassifizierung

In dem Forschungsprojekt EXACT-EEG entwickeln wir ein interpretierbares Machine-Learning-System zur automatischen Klassifizierung von Elektroenzephalographie (EEG)-Daten. Unser Ziel ist es, neurologische Diagnostik durch interpretierbare KI-Methoden zu erleichtern, zu beschleunigen und Muster sichtbar zu machen, die mit herkömmlichen Verfahren bisher nicht erkennbar waren. Dafür bauen wir auf einer Self-Explaining Selective Model (SESM)-Architektur auf, die aus rohen EEG-Signalen kompakte, klassenspezifische Konzepte lernt. Diese Konzepte dienen direkt als Erklärungen für die Vorhersage und zeigen, welche Zeit- und Frequenzmerkmale für die Klassifikation ausschlaggebend waren. Als XITASO treiben wir diese Forschung voran, indem wir

• neue Modellvarianten entwerfen und evaluieren, die die duale Zeit-Frequenz-SESM-Architektur erweitern,
• systematische Architektur-Evaluationen auf einem SLURM-Cluster durchführen,
• Experimente analysieren und in reproduzierbare Evaluationsprotokolle überführen sowie
• die Erklärbarkeit der Modellentscheidungen durch verbesserte aufmerksamkeitsbasierte Konzeptdarstellungen weiterentwickeln.

• Weiterentwicklung bestehender Modellvarianten und Trainingspipelines in der EXACT-EEG-Codebasis.
• Implementierung und Evaluation neuer Architekturideen für interpretierbare EEG-Klassifikation (z.B. Mehr-Kanal-Analyse, kanalübergreifende Generalisierung).
• Systematisches Experimentieren auf einem SLURM-verwalteten GPU-Cluster sowie Analyse von Ergebnissen über Architektur- und Hyperparameter-Gridsearches.
• Entwicklung von Analyse-Tools, Visualisierungen und Notebooks zur Bewertung der Konzeptqualität und Modellinterpretierbarkeit.

• Du absolvierst einen Studiengang im Bereich (Medizin-)Informatik, Data Science, Mathematik oder einer vergleichbaren Fachrichtung an einer Universität oder Hochschule.
• Du hast Erfahrung im Umgang mit Python und PyTorch. Kenntnisse in PyTorch Lightning, Hydra, MNE oder SLURM sind ein Plus, aber nicht erforderlich.
• Du hast grundlegende Kenntnisse in maschinellem Lernen; Erfahrungen mit Deep Learning für Zeitreihen, erklärbarer KI oder biomedizinischen Signalen sind willkommen.
• Du bist neugierig, hast Lust in einem technologisch hochmodernen Umfeld mitzuwirken und suchst nach einer Möglichkeit, dein Wissen aus dem Studium umzusetzen und zu vertiefen.
• Du magst offene und ehrliche Kommunikation mit Kolleg*innen und Forschungspartnern, gibst konstruktive Kritik und nimmst Feedback an.
• Deine Sprachkenntnisse machen es Dir möglich, deine Rolle auf Englisch (mind. C1-Niveau) auszuüben. Deutschkenntnisse sind wünschenswert, aber nicht zwingend erforderlich.

Innerhalb unseres einheitlichen und transparenten Gehaltsframeworks liegt die Vergütung für diese Position zwischen 15,50 € und 19,50 € pro Stunde und orientiert sich an verschiedenen Faktoren, wie Qualifikation und Erfahrung.

Daniela
+49 821 885882-0
work@xitaso.com