Bei der Technischen Universität Berlin ist/sind folgende Stelle/n zu besetzen:
Teilzeitbeschäftigung ist ggf. möglich
Das Berlin Institute for the Foundations of Learning and Data (BIFOLD) ist eines der sechs nationalen KI-Zentren in Deutschland und wird dauerhaft vom Land Berlin und dem Bundesministerium für Bildung und Forschung gefördert. Derzeit besteht BIFOLD aus 12 Forschungsgruppen mit über 150 Mitarbeiter*innen, einer Graduiertenschule und dem BIFOLD-Büro. Beteiligt sind auch Fellows der großen Berliner Universitäten, der Charité - Universitätsmedizin Berlin sowie verschiedener anderer nationaler und internationaler Universitäten und außeruniversitärer Forschungseinrichtungen.
Das Fachgebiet Informationsintegration und Datenaufbereitung (D2IP) führt Grundlagen – und angewandte Forschung in Datenintegration, Datenvorverarbeitung und Data Science durch. Aktuell suchen wir wissenschaftliche Mitarbeiter/-innen (Postdocs) in einem oder mehreren der folgenden Themen: (1) Erforschung von Technologien und Systemen zur Erkennung von Datenfehlern in massiven Daten. (2) Erforschung einer skalierbaren Methode für die Generierung von Datenvorverarbeitungsabläufen. (3) Erforschung von Systemen und Technologien für das effiziente Finden von Datensätzen in großen Datenseen.
Das Beschäftigungsverhältnis ist mit der regelmäßigen Lehrverpflichtung (§ 5 Abs. 1 Nr 6 bzw. § 5 Abs. 1 Nr. 7 LVVO Berlin) verbunden. Die Mitwirkung im KI-Kompetenzzentrum BIFOLD, erfordert eine besondere Befähigung zur Tätigkeit in der Forschung. Die Aufgaben bei BIFOLD können eine Reduktion der Lehrverpflichtung begründen.
Bewerber/-innen müssen ein erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) und eine Promotion (PhD) mit den Schwerpunkten Datenmanagement, Datenintegration oder skalierbare Datenanalyse abgeschlossen haben, Erfahrungen im wissenschaftlichen Arbeiten, nachgewiesen durch einschlägige wissenschaftliche Publikationen, besitzen und solide theoretische und praktische Kenntnisse in Informatik haben. Tiefe Kenntnisse von Datenbanktechnologien werden vorausgesetzt. Die Fähigkeit zum Unterrichten in deutscher und/oder in englischer Sprache wird vorausgesetzt; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben.
Wünschenswert:
Sie sollten daran interessiert sein ein innovatives System zu entwickeln und Forschungsergebnisse in einer realen Anwendungsumgebung zu validieren. Erfahrungen in der Open-Source Entwicklung sowie Erfahrungen im Projektmanagement sind wünschenswert. Weiterführende Kenntnisse in Maschinellem Lernen, neuronalen Netzen sowie in RAG Technologien sind wünschenswert.
Ihre Bewerbung richten Sie bitte unter Angabe der Kennziffer mit den üblichen Unterlagen (d.h. mind. Anschreiben, Lebenslauf, Abschlusszeugnisse, Notenübersichten, Liste der Veröffentlichungen, Referenzschreiben zusammengefasst in einem PDF- Dokument, nicht größer als 3 MB) ausschließlich per E-Mail an abedjan@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 TU Berlin schätzt die Vielfalt ihrer Mitglieder und verfolgt die Ziele der Chancengleichheit. Bewerbungen von Menschen aller Nationalitäten und mit Migrationshintergrund sind herzlich willkommen.
Technische Universität Berlin - Die Präsidentin - Fakultät IV, Berlin Institute for the Foundations of Learning and Data – BIFOLD, Ernst-Reuter Platz 7, Sekr.: TEL 9-2, 10587 Berlin
ID: 187108