Blätter-Navigation

Offre 399 sur 533 du 03/11/2023, 09:19

logo

Tech­ni­sche Uni­ver­sität Ber­lin - Fakul­tät IV - The Ber­lin Insti­tute for the Foun­da­ti­ons of Data and Lear­ning (BIFOLD)

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

Wiss. Mit­ar­bei­ter*in (d/m/w) - Ent­gelt­gruppe 13 TV-L Ber­li­ner Hoch­schu­len - 1. Qua­li­fi­zie­rungs­phase (zur Pro­mo­tion)

Teil­zeit­be­schäf­ti­gung ist ggf. mög­lich

Aufgabenbeschreibung:

Im Rah­men des BIFOLD-Insti­tuts sol­len - in Koope­ra­tion mit ande­ren Insti­tu­tio­nen aus Ber­lin und inter­na­tio­nal - Metho­den zur dekla­ra­ti­ven Spe­zi­fi­ka­tion und auto­ma­ti­schen Opti­mie­rung, Par­al­le­li­sie­rung und Hard­ware­ad­ap­tion von Ana­ly­se­ver­fah­ren auf gro­ßen, hete­ro­ge­nen Daten­men­gen mit hoher Daten­rate unter­sucht wer­den. Unsere For­schungs­schwer­punkte lie­gen dabei auf Daten­ana­ly­se­pro­gram­mier­mo­del­len, mit denen Ana­lys­ten oder Data Sci­en­tists die Ana­ly­sen auch ohne Kennt­nisse von Sys­tem­pro­gram­mie­rung ent­wi­ckeln kön­nen. Hier­bei wol­len wir unter ande­rem erfor­schen, wie durch auto­ma­ti­sche Opti­mie­rung ein Daten­ana­ly­se­pro­gramm ohne Ände­run­gen sowohl auf mas­siv ver­teil­ten Umge­bun­gen als auch auf ein­fa­chen CPUs oder Mul­ti­core Rech­ner­sys­te­men effi­zi­ent aus­ge­führt wer­den kann. Ein Haupt­au­gen­merk liegt auf der effi­zi­en­ten Ver­ar­bei­tung kom­ple­xer Daten­ana­ly­sen (z.B. Ite­ra­tio­nen, Berech­nun­gen mit ver­teil­tem Zustand), die in Anwen­dun­gen des maschi­nel­len Ler­nens, der Signal­ver­ar­bei­tung, der Sprach­ver­ar­bei­tung oder der mathe­ma­ti­schen Pro­gram­mie­rung auf­tre­ten, sowie auf feh­ler­to­le­ran­ten Stra­te­gien zur Aus­füh­rung sel­bi­ger. Die im Rah­men des BIFOLD ent­wi­ckel­ten Tech­no­lo­gien wer­den anhand von Anwen­dungs­fäl­len - zum Bei­spiel aus den Berei­chen infor­ma­ti­ons­ba­sierte Medi­zin oder Infor­ma­ti­ons­markt­plätze - zusam­men mit Part­nern vali­diert und der Öffent­lich­keit als Open-Source Pro­jekt ver­füg­bar gemacht wer­den. Im Rah­men der Tätig­keit besteht die Mög­lich­keit zur umfang­rei­chen Zusam­men­ar­beit mit füh­ren­den For­schungs­ein­rich­tun­gen und Unter­neh­men. Die Schwer­punkte in dem Auf­ga­ben­be­reich des BIFOLD sind Big Data Manage­ment, Big Data Archi­tek­tu­ren und Ver­ar­bei­tung hoher Daten­men­gen und nied­ri­ger Latenz­zei­ten, Neu­ar­tige Hard­ware-Archi­tek­tu­ren für das Infor­ma­ti­ons­ma­nage­ment; Ska­lier­bare Ver­ar­bei­tung und Opti­mie­rung dekla­ra­ti­ver Daten­ana­ly­se­pro­gramme; Ska­lier­bare Infra­struk­tu­ren für Daten­wis­sen­schaft und Künst­li­che Intel­li­genz. Lehr­auf­ga­ben.

Erwartete Qualifikationen:

Erfolg­reich abge­schlos­se­nes wis­sen­schaft­li­ches Hoch­schul­stu­dium (Mas­ter, Diplom oder Äqui­va­lent) der Fach­rich­tung Infor­ma­tik, Wirt­schafts­in­ge­nieur­we­sen oder Wirt­schafts­in­for­ma­tik und dar­über hin­aus die Bereit­schaft zur Mit­ar­beit in einem füh­ren­den For­schungs­ge­biet an der Spitze von tech­ni­scher Inno­va­tion sowie Inter­esse, die erreich­ten For­schungs­er­geb­nisse in der prak­ti­schen Anwen­dung zu eta­blie­ren.

Idea­ler­weise haben Sie neben ver­tief­ten Kennt­nis­sen im Bereich der Ent­wick­lung von Daten­bank­tech­no­lo­gie wei­ter­füh­rende Kennt­nisse im Bereich Pro­gram­mier­spra­chen und Com­pi­ler­bau, ver­teilte Sys­teme sowie im Bench­mar­king, Kennt­nisse auf dem Gebiet der Sys­tem­pro­gram­mie­rung und Sys­te­meva­lua­tion soll­ten vor­han­den sein. Kennt­nisse im Bereich Mathe­ma­tik, Sta­tis­tik, Ana­ly­tik und Pro­jekt­ma­nage­ment ergän­zen Ihr Pro­fil.

Wir erwar­ten Bereit­schaft in der Mit­ar­beit bei der Unter­stüt­zung der Koor­di­na­ti­ons­auf­ga­ben im For­schungs­pro­jekt hin­sicht­lich der per­ma­nen­ten Fort­schritts­kon­trolle und der Inter­ak­tion mit dem Pro­jekt­trä­ger, Kennt­nisse hier­für sind vor­teil­haft. Wei­tere Vor­aus­set­zun­gen sind Team­fä­hig­keit und aus­ge­zeich­nete Eng­lisch­kennt­nisse zur Mit­ar­beit in unse­rem inter­na­tio­na­len Team sowie zur Erstel­lung von wis­sen­schaft­li­chen Publi­ka­tio­nen. Sehr gute Deutsch­kennt­nisse sind zur Doku­men­ta­tion der For­schungs­er­geb­nisse erfor­der­lich/not­wen­dig. Die Fähig­keit zum Unter­rich­ten, sowohl in deut­scher, als auch in eng­li­scher Spra­che wird vor­aus­ge­setzt.

Hinweise zur Bewerbung:

Ihre schrift­li­che Bewer­bung rich­ten Sie bitte unter Angabe der Kenn­zif­fer mit den übli­chen Unter­la­gen an die Tech­ni­sche Uni­ver­si­tät Ber­lin - Die Prä­si­den­tin - Fakul­tät IV, Insti­tut für Soft­ware­tech­nik und Theo­re­ti­sche Infor­ma­tik, DIMA, Prof. Dr. Markl, Sekr. EN 7, Ein­stein­ufer 17, 10587 Ber­lin oder per E-Mail an jobs@bifold.berlin.

Aus Kos­ten­grün­den wer­den pos­ta­lisch zuge­sandte Bewer­bungs­un­ter­la­gen nicht zurückge­sandt. Bitte rei­chen Sie nur Kopien ein.

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