Blätter-Navigation

Of­fer 127 out of 430 from 13/06/18, 07:35

logologo

Tech­ni­sche Uni­ver­si­tät Dres­den

Die TU Dres­den ist eine der elf Exzel­len­z­u­ni­ver­sitä­ten Deut­sch­lands. Als Voll­u­ni­ver­sität mit brei­tem Fächer­spek­trum zählt sie zu den for­schungs­s­tärks­ten Hoch­schu­len. Aus­tau­sch und Koope­ra­tion zwi­schen den Wis­sen­schaf­ten, mit Wirt­schaft und Gesell­schaft sind dafür die Grund­lage. Ziel ist es, im Wett­be­werb der Uni­ver­sitä­ten auch in Zukunft Spit­zen­plätze zu bele­gen. Daran und am Erfolg beim Trans­fer von Grund­la­gen­wis­sen und For­schung­s­er­geb­nis­sen mes­sen wir unsere Leis­tun­gen in Lehre, Stu­dium, For­schung und Wei­ter­bil­dung. Wis­sen schafft Brü­cken. Seit 1828.

wiss. Mit­ar­bei­ter/in

(bei Vor­lie­gen der per­sön­li­chen Vor­aus­set­zun­gen E 13 TV-L)
Die Stelle ist zum nächst­mög­li­chen Zeit­punkt bis 30.09.2021 (Beschäf­ti­gungs­dauer gem. Wiss­ZeitVG) zu beset­zen. Diese Stelle ist dem am ZIH ange­sie­del­ten natio­na­len Big-Data-Kom­pe­tenz­zen­trum ScaDS Dres­den/Leip­zig zuge­ord­net, das das Ziel ver­folgt, inno­va­tive Metho­den und Tech­no­lo­gien für die Orga­ni­sa­tion und Aus­wer­tung von gro­ßen Daten­men­gen für Wis­sen­schaft, Wirt­schaft und Gesell­schaft zur Ver­fü­gung zu stel­len.

Auf­ga­ben­be­sch­rei­bung:

wiss. For­schungs- und Ent­wick­lungs­ar­bei­ten im Gebiet Data Ana­lytics / Maschi­nel­les Ler­nen; enge inter­dis­zi­pli­näre Zusam­men­ar­beit in der anwen­dungs­na­hen Unter­stüt­zung von Wis­sen­schaft­lern/-innen zur Erwei­te­rung und Wei­ter­ent­wick­lung von daten­in­ten­si­ven Anwen­dun­gen; Ana­lyse, Ein­satz und Wei­ter­ent­wick­lung von Metho­den und Algo­rith­men im Gebiet Data Ana­lytics / Maschi­nel­les Ler­nen; Adap­tion neuer Werk­zeuge zur Nut­zung auf Hoch­leis­tungs­rech­nern, insb. dem sich im Auf­bau befind­li­chen HPC-Data-Ana­lytics-Sys­tem am ZIH; Betei­li­gung an Trai­nings- und Wei­ter­bil­dungs­maß­nah­men.

Er­war­te­te Qua­li­fi­ka­tio­nen:

ein­schlä­gi­ger wiss. HSA in Infor­ma­tik, Mathe­ma­tik bzw. einer ver­gleich­ba­ren Inge­nieur- oder Natur­wis­sen­schaft; mög­lichst Pro­mo­tion im Fach­ge­biet; gute Pro­gram­mier­kennt­nisse (z.B. Java, C, C++, Python, R); hohes Maß an Selbst­stän­dig­keit, Enga­ge­ment, Fle­xi­bi­li­tät und Team­geist; sehr gute Eng­lisch­kennt­nisse. Erwünscht sind Erfah­run­gen in den Gebie­ten Data Ana­lytics, Maschi­nel­les Ler­nen, Data Mining und/oder wiss. Rech­nen, prak­ti­sche Erfah­run­gen im Umgang mit Data-Ana­lytics- sowie Machine-Learning-Frame­works sowie Kennt­nisse auf dem Gebiet der Work­flow-Model­lie­rung und -Aus­füh­rung.
Wir bie­ten Ihnen ein ange­neh­mes, unkom­pli­zier­tes Arbeits­klima in einem inter­na­tio­na­len Team. Gleich­zei­tig kön­nen Sie auf die Res­sour­cen des ZIH zurück­grei­fen, das als Zen­trale Wis­sen­schaft­li­che Ein­rich­tung mit beglei­ten­den For­schun­gen im vol­len Spek­trum der Auf­ga­ben­ge­biete, insb. für die gesamte Kom­mu­ni­ka­ti­ons­in­fra­struk­tur der Uni­ver­si­tät ver­ant­wort­lich ist und die zen­tra­len Ser­ver und Dienste betreibt.

Hin­wei­se zur Be­wer­bung:

Frauen sind aus­drück­lich zur Bewer­bung auf­ge­for­dert. Sel­bi­ges gilt auch für Men­schen mit Behin­de­run­gen.
Ihre aus­sa­ge­kräf­tige Bewer­bung sen­den Sie bitte mit den übli­chen Unter­la­gen bis zum 12.07.2018 (es gilt der Post­stem­pel der ZPS der TU Dres­den) bevor­zugt über das Secu­re­Mail Por­tal der TU Dres­den https://securemail.tu-dresden.de als ein PDF–Doku­ment an zih@tu-dresden.de oder an: TU Dres­den, ZIH, Herrn Prof. Dr. Nagel, Helm­holtz­str. 10, 01069 Dres­den. Ihre Bewer­bungs­un­ter­la­gen wer­den nicht zurück­ge­sandt, bitte rei­chen Sie nur Kopien ein. Vor­stel­lungs­kos­ten wer­den nicht über­nom­men.