Blätter-Navigation

Angebot 85 von 239 vom 24.11.2021, 11:58

logo

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

Wiss. Mit­ar­bei­ter*in (Post­Doc) (d/m/w) - Ent­gelt­gruppe 14 TV-L Ber­li­ner Hoch­schu­len

unter dem Vor­be­halt der Mit­tel­be­wil­li­gung; Teil­zeit­be­schäf­ti­gung ist ggf. mög­lich

Die Nach­wuchs­gruppe von Dr. Gré­go­ire Mon­ta­von, die Teil des von Prof. Dr. Klaus-Robert Mül­ler gelei­te­ten Ber­lin Insti­tute for the Foun­da­ti­ons of Lear­ning and Data (BIFOLD) ist, sucht eine*n Post­dok­to­rand*in, der*die sich an den For­schungs­ak­ti­vi­tä­ten der Gruppe und an Koope­ra­ti­ons­pro­jek­ten inner­halb des BIFOLD betei­ligt.

Aufgabenbeschreibung:

Ent­wick­lung von Ansät­zen des maschi­nel­len Ler­nens im Grenz­be­reich zwi­schen erklär­ba­rer KI (XAI), Modell­va­li­die­rung und kom­ple­xen Sys­te­men. Dies umfasst die Zusam­men­ar­beit mit ange­wand­ten Wis­sen­schaft­lern (ins­be­son­dere in der Medi­zin und den digi­ta­len Geis­tes­wis­sen­schaf­ten), um rele­vante prak­ti­sche Anwen­dungs­fälle zu iden­ti­fi­zie­ren und zu ver­fei­nern, die Ent­wick­lung ska­lier­ba­rer maschi­nel­ler Lern- / XAI-Lösun­gen und auch einen Bei­trag zur Wei­ter­ent­wick­lung der Grund­la­gen von XAI.

Erwartete Qualifikationen:

  • Erfolg­reich abge­schlos­se­nes wis­sen­schaft­li­ches Hoch­schul­stu­dium (Mas­ter, Diplom oder Äqui­va­lent) und Pro­mo­tion in Infor­ma­tik, Phy­sik, Inge­nieur­we­sen oder ange­wand­ter Mathe­ma­tik
  • Fun­dierte Kennt­nisse der Grund­la­gen des maschi­nel­len Ler­nens und tie­fer neu­ro­na­ler Netze.
  • Umfas­sende Erfah­rung mit dem Trai­ning und der Anwen­dung von tie­fen neu­ro­na­len Net­zen.
  • Ver­tiefte Kennt­nisse der Grund­la­gen und Tech­ni­ken der Exp­lainable AI.
  • Kennt­nisse in aus­ge­wähl­ten Berei­chen wie unüber­wach­tes Ler­nen (Reprä­sen­ta­ti­ons­ler­nen, gene­ra­tive Modelle) und opti­ma­ler Trans­port von Vor­teil.
  • Pro­gram­mier­kennt­nisse, ins­be­son­dere Erfah­rung mit Deep-Lear­ning-Frame­works (PyTorch, Ten­sor­Flow usw.)
  • Meh­rere Ver­öf­fent­li­chun­gen zum maschi­nel­len Ler­nen in hoch­ran­gi­gen Fach­zeit­schrif­ten oder Kon­fe­ren­zen.
  • Erfah­rung mit Big Data und Trai­ning von ML-Model­len auf GPUs von Vor­teil
  • Inter­dis­zi­pli­näre und koope­ra­tive Pro­jekt­er­fah­rung von Vor­teil
  • Sehr gute Eng­lisch­kennt­nisse in Wort und Schrift erfor­der­lich, Deutsch­kennt­nisse erwünscht bzw. die Bereit­schaft diese zu erler­nen

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 Dr. Gré­go­ire Mon­ta­von 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, Dr. Gré­go­ire Mon­ta­von, Sekr. MAR 4-1, March­str. 23, 10587 Ber­lin