Blätter-Navigation

Offer 173 out of 555 from 25/11/22, 12:38

logo

Leib­niz Uni­ver­si­tät Han­no­ver - Fakul­tät für Elek­tro­tech­nik und Infor­ma­tik - Insti­tut für Infor­ma­ti­ons­ver­ar­bei­tung

Am Insti­tut für Infor­ma­ti­ons­ver­ar­bei­tung (tnt) ist eine Stelle als Wis­sen­schaft­li­che Mit­ar­bei­te­rin oder Wis­sen­schaft­li­cher Mit­ar­bei­ter (m/w/d) im The­men­ge­biet „Effi­zi­enz und Erklär­bar­keit von Rein­force­ment Lear­ning Algo­rith­men“ (Ent­gGr. 13 TV-L, 100 %) ab sofort zu beset­zen. Die Stelle ist zunächst auf 3 Jahre befris­tet. Im Rah­men die­ser Anstel­lung besteht die Mög­lich­keit zur Pro­mo­tion.

Wis­sen­schaft­li­che Mit­ar­beit (m/w/d) im The­men­ge­biet „Effi­zi­enz und Erklär­bar­keit von Rein­force­ment Lear­ning Algo­rith­men“

(Ent­gGr. 13 TV-L, 100 %)

Aufgabenbeschreibung:

Ver­fah­ren des Maschi­nel­len Ler­nens fin­den breite Anwen­dung in Gebie­ten wie der Infor­ma­tik, Medi­zin, Che­mie, und Opti­mie­rung von indus­tri­el­len Pro­zes­sen. Ins­be­son­dere Rein­force­ment Lear­ning Algo­rith­men konn­ten in den genann­ten Gebie­ten erstaun­li­che Leis­tun­gen inner­halb der letz­ten Jahre erzie­len und sind der Motor für zahl­rei­che Neu­ent­wick­lun­gen. Jedoch stel­len sich für die Ent­wick­lung von viel­sei­tig anwend­ba­ren Ver­fah­ren auch Her­aus­for­de­run­gen für deren Robust­heit, Inter­pre­tier­bar­keit sowie deren Daten- und Lern­ef­fi­zi­enz. Ins­be­son­dere letz­te­res rückt auf­grund der hohen Ener­gie­kos­ten für das Trai­ning von Model­len im Hin­blick auf die zuneh­men­den Her­aus­for­de­run­gen des Kli­ma­wan­dels ver­stärkt in den Fokus der Ent­wick­lung neuer Ver­fah­ren.

Im Rah­men die­ser Anstel­lung sol­len Ver­fah­ren für ein effi­zi­en­tes Trai­ning von Rein­force­ment Lear­ning Agen­ten ent­wi­ckelt wer­den, deren Ergeb­nisse robust und nach­voll­zieh­bar sein sol­len.

Erwartete Qualifikationen:

Vor­aus­set­zung für die Ein­stel­lung ist ein abge­schlos­se­nes wis­sen­schaft­li­ches Hoch­schul­stu­dium, bevor­zugt aus dem Bereich der Infor­ma­tik oder ver­wand­ten Gebie­ten. Erfah­run­gen mit künst­li­cher Intel­li­genz, spe­zi­ell der Ver­wen­dung von Neu­ro­na­len Net­zen sowie Rein­force­ment Lear­ning Algo­rith­men, sind von Vor­teil. Zudem sind Erfah­run­gen mit der Unity Game Engine sowie den Pro­gram­mier­spra­chen C# und Python wün­schens­wert. All­ge­mein vor­aus­ge­setzt wer­den eine eigen­stän­dige Arbeits­weise, Lern­be­reit­schaft und beruf­li­ches sowie sozia­les Enga­ge­ment. Dar­über hin­aus wer­den gute Deutsch- oder Eng­lisch­kennt­nisse in Wort und Schrift erwar­tet.

Unser Angebot:

Wir bie­ten ein viel­sei­ti­ges, inspi­rie­ren­des Insti­tuts­um­feld mit inter­dis­zi­pli­nä­ren, inter­na­tio­nal sicht­ba­ren For­scher­grup­pen, die bereits umfang­rei­che wis­sen­schaft­li­che Erfolge erzielt haben. Wir ermög­li­chen es Ihnen, sich durch Ver­ant­wor­tung für wis­sen­schaft­li­che und indus­tri­elle Pro­jekte wis­sen­schaft­lich und per­sön­lich zu ent­fal­ten.

Die Leib­niz Uni­ver­si­tät ver­steht sich als fami­li­en­freund­li­che Hoch­schule und för­dert des­halb die Ver­ein­bar­keit von Beruf und Fami­lie. Auf Wunsch kann eine Teil­zeit­be­schäf­ti­gung ermög­licht wer­den.

Die Uni­ver­si­tät hat es sich zum Ziel gesetzt, die beruf­li­che Gleich­be­rech­ti­gung von Frauen und Män­nern beson­ders zu för­dern. Hierzu strebt sie an, in Berei­chen, in denen ein Geschlecht unter­re­prä­sen­tiert ist, diese Unter­re­prä­sen­tanz abzu­bauen. In der Ent­gelt­gruppe der aus­ge­schrie­be­nen Stelle sind Frauen unter­re­prä­sen­tiert. Qua­li­fi­zierte Frauen wer­den des­halb gebe­ten, sich zu bewer­ben. Bewer­bun­gen von qua­li­fi­zier­ten Män­nern sind eben­falls erwünscht. Schwer­be­hin­derte Men­schen wer­den bei glei­cher Qua­li­fi­ka­tion bevor­zugt.

Hinweise zur Bewerbung:

Bitte rich­ten Sie Ihre Bewer­bung mit den übli­chen Unter­la­gen bis zum 20.12.2022 in elek­tro­ni­scher Form an

E-Mail: bewerbung@tnt.uni-hannover.de

oder pos­ta­lisch an:

Gott­fried Wil­helm Leib­niz Uni­ver­si­tät Han­no­ver
Insti­tut für Infor­ma­ti­ons­ver­ar­bei­tung (tnt)
Herr Prof. Dr.-Ing. Alex­an­der Dock­horn
Appel­straße 9A
30167 Han­no­ver

Für Aus­künfte steht Ihnen Herr Prof. Dr.-Ing. Alex­an­der Dock­horn (E-Mail: dockhorn@tnt.uni-hannover.de) gerne zur Ver­fü­gung.

Infor­ma­tio­nen nach Arti­kel 13 DSGVO zur Erhe­bung per­so­nen­be­zo­ge­ner Daten fin­den Sie unter https://www.uni-hannover.de/de/datenschutzhinweis-bewerbungen/.