Blätter-Navigation

Angebot 120 von 624 vom 13.10.2021, 09:01

logo

Tech­ni­sche Uni­ver­sität Ber­lin - Fakul­tät IV - Insti­tut für Soft­ware­tech­nik und Theo­re­ti­sche Infor­ma­tik - FG Maschi­nel­les Ler­nen

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

unter dem Vor­be­halt der Mit­tel­be­wil­li­gung; Teil­zeit­be­schäf­ti­gung ist ggf. mög­lich

Das Ber­lin Insti­tute for the Foun­da­ti­ons of Lear­ning and Data (BIFOLD) der TU Ber­lin sucht für ein Agi­lity-Teil­pro­jekt (AP) des BZML eine*n wis­sen­schaft­li­che*n Mit­ar­bei­ter*in. Das AP wird in der Arbeits­gruppe „AI4Sci­en­ces“ von Prof. Dr. Frank Noé an der Freien Uni­ver­si­tät Ber­lin (FU), durch­geführt. Die AG Noé ent­wi­ckelt Maschi­nelle Lern­ver­fah­ren für die Natur­wis­sen­schaf­ten, ins­be­son­dere tiefe Lern­ver­fah­ren zur Lösung fun­da­men­ta­ler Pro­bleme in der Quan­ten­me­cha­nik und der sta­tis­ti­schen Mecha­nik von Mole­kü­len.

Aufgabenbeschreibung:

For­schung im Bereich des maschi­nel­len Ler­nens; Erfor­schung neuer neu­ro­na­ler Archi­tek­tu­ren für mole­ku­lare Inter­ak­tio­nen; Equi­va­ri­ante Lern­struk­tu­ren; Gene­ra­tive Metho­den; Soft­ware-Imple­men­tie­rung von maschi­nel­len Lern­me­tho­den

Erwartete Qualifikationen:

  • erfolg­reich abge­schlos­se­nes wis­sen­schaft­li­ches Hoch­schul­stu­dium (Mas­ter, Diplom oder Äqui­va­lent) in Mathe­ma­tik, Phy­sik, Infor­ma­tik, Che­mie oder o.Ä. ist not­wen­dig.
  • Erfah­rung mit der Model­lie­rung und Simu­la­tion von Mole­kü­len, Quan­ten­che­mie und/oder Sta­tis­ti­scher Mecha­nik sind von Vor­teil
  • mehr­jäh­rige Erfah­rung im Bereich sta­tis­ti­scher Metho­den und des Maschi­nel­len Ler­nens, bevor­zugt im Bereich Deep Lear­ning, Multi-Task Lear­ning, Exp­lainable AI
  • Prak­ti­sche Erfah­run­gen in der Ent­wick­lung und Anwen­dung neu­ro­na­ler Netze (Con­vNets, LSTMs, Res­Nets, Trans­for­mers etc.)
  • sehr gute Pro­gram­mier­kennt­nisse in Python, NumPy/SciPy, PyTorch/Ten­sor­Flow unab­ding­bar
  • sehr gute Sprach­kennt­nisse in Eng­lisch und Deutsch erfor­der­lich
  • Publi­ka­ti­ons­er­fah­rung in peer-refe­rier­ten Jour­nals oder Work­shops ist erwünscht

Hinweise zur Bewerbung:

Ihre Bewer­bung rich­ten Sie bitte unter Angabe der Kenn­zif­fer mit den übli­chen Unter­la­gen (in einem PDF-Doku­ment, max. 5 MB) aus­schließ­lich per E-Mail an Prof. Dr. Klaus-Robert Mül­ler unter office@bzml.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.

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