Blätter-Navigation

Angebot 267 von 507 vom 17.11.2023, 08:44

Angebot in folgender Sprache anzeigen:DeutschEnglisch
logo

Tech­ni­sche Uni­ver­sität Ber­lin - Fakul­tät IV – Insti­tut für Soft­ware­tech­nik und Theo­re­ti­sche Infor­ma­tik / FG Maschi­nel­les Ler­nen (ML)

Bei der Technischen Universität Berlin ist/sind folgende Stelle/n zu besetzen:

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

unter dem Vorbehalt der Mittelbewilligung; Teilzeitbeschäftigung ist ggf. möglich

Die Konrad Zuse School of Excellence in Learning and Intelligent Systems (ELIZA) ist eine vom Deutschen Akademischen Austauschdienst (DAAD) geförderte Graduiertenschule im Bereich der Künstlichen Intelligenz (Kl). Die Forschung und wissenschaftliche Ausbildung in ELIZA konzentrieren sich auf vier Schwerpunkte: die Grundlagen des maschinellen Lernens (ML) - inklusive durch ML getriebene Felder wie Computer Vision, NLP oder Roboterlernen --, maschinelle Lernsysteme, Anwendungen in autonomen Systemen sowie transdisziplinäre Anwendungen des maschinellen Lernens in anderen wissenschaftlichen Bereichen, von den Lebenswissenschaften bis zur Physik.

Die Graduiertenschule bietet den Geförderten eine Kombination aus exzellenter, forschungsbasierter Ausbildung auf Master- und Promotionsebene, Betreuung durch international ausgewiesene Mentor*innen aus Wissenschaft und Wirtschaft sowie standortübergreifende Netzwerkmöglichkeiten. ELIZA wird von der TU Darmstadt koordiniert und bringt Forschungseinrichtungen aus sieben deutschen Städten zusammen. Sie arbeiten zusammen unter dem Dach des European Laboratory for Learning and Intelligent Systems (ELLIS), Europas führendem akademischem Netzwerk für Kl mit Schwerpunkt auf maschinellem Lernen.

Die Stellen sind Teil der ELIZA-Graduiertenschule und werden an der TU Berlin in der Forschungsgruppe Maschinelles Lernen unter Leitung von Prof. Müller besetzt. Eine Co-Betreuung erfolgt durch Prof. Noé (FU Berlin).

Aufgabenbeschreibung:

Die Themen der Promotionsprojekte konzentrieren sich auf Grundlagenforschung und aktuelle Herausforderungen in den Bereichen Kl, ML und intelligente Datenanalyse, einschließlich der Entwicklung neuer Theorien, Algorithmen und Technologien sowie prototypischer Systeme und Werkzeuge. Mögliche Schwerpunkte sind Bayes'sche Inferenz, Deep Learning, Reinforcement Learning und sicheres und erklärbares ML. Eine Teilnahme am ELIZA-Lehrplan, einschließlich standortübergreifender Kurse und KI-Campus, und ein 6-12-monatigen Forschungsaufenthalt an einem anderen ELIZA-Standort sind verpflichtend.
Die Möglichkeit zur Promotion ist gegeben.

Erwartete Qualifikationen:

  • Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) in Informatik (z. B. theoretische, methodisch-praktische oder technische Informatik) oder eng verwandten Studienfächern mit Schwerpunkt auf mindestens einem BIFOLD-Kernbereich
  • Hervorragende Programmierkenntnisse (z.B. C/C++, Java, Python, Scala)
  • Umfangreiche Kenntnisse in Theorien und Methoden des maschinellen Lernens (z.B. Kernmethoden, tiefe Neuronale Netze), praktische Erfahrung in der Entwicklung und Anwendung von ML-Algorithmen, Erfahrungen mit Linear Algebra / Neural Network Frameworks (z.B. NumPy, PyTorch, TensorFlow, JAX),
  • Gute Deutsch- und/oder Englischkenntnisse erforderlich; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben

Wir suchen hochmotivierte, neugierige, begeisterungsfähige und ergebnisorientierte Forscher*innen mit ausgezeichneten akademischen Leistungen und starkem Interesse an wissenschaftlicher Arbeit auf dem Gebiet der ML-gestützten KI.

Hinweise zur Bewerbung:

Ihre Bewerbung richten Sie bitte vorzugsweise in englischer Sprache unter Angabe der Kennziffer mit den üblichen Unterlagen (insb. Motivationsschreiben, vollständiger aktueller Lebenslauf, Bachelor-und Masterzeugnisse (einschließlich Kurslisten und Noten), Namen und Kontaktdaten von mindestens
2 Referenzpersonen, deren Schreiben bis zum Ablauf der Frist für diese Aufforderung vorliegen sollten) bevorzugt per Email als eine Datei im PDF-Format an Prof. Dr. Klaus-Robert Müller, an eliza.applications@ml.tu-berlin.de.

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 Technische Universität Berlin schätzt die Vielfalt ihrer Mitglieder und verfolgt die Ziele der Chancengleichheit.

Technische Universität Berlin - Die Präsidentin - Fakultät IV, Institut für Softwaretechnik und Theoretische Informatik, FG Maschinelles Lernen, Prof. Dr. Klaus-Robert Müller, Sekr. MAR 4-1, Marchstr. 23, 10587 Berlin