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

Forschung an der Schnittmenge aus probabilistischen Maschinellem Lernen, Differentialgleichungen und Theoretische Neurowissenschaft; Charakterisierung und Modellierung von Optimierungsverfahren als dynamischen Systeme mittels stochastischen Differentialgleichungen;
Systemidentifikation mit tiefen neuronalen Netzen, im Speziellen mit hybriden Modellen wie Universal Differential Equations (UDE), Physics Informed Neural Networks (PINN), Hamiltonian Neural Networks (HNN) und Neural ODEs; Software-Implementierung von maschinellen Lernmethoden; Promotionsmöglichkeit. Lehraufgaben.

• Erfolgreich abgeschlossener Hochschulabschluss (Master, Diplom oder Äquivalent) in Informatik, Physik, Ingenieurwesen oder Angewandter Mathematik
• Fundierte Kenntnisse insb. von probabilistischem Maschinellen Lernen, sowie Regelungstechnik, Dynamik von Optimierungsverfahren, und in der Numerik von Differentialgleichungen
• Praktische Erfahrungen in der Entwicklung und Anwendung von Algorithmen des maschinellen Lernens, sowie parallelem Rechnen auf GPUs
• Fundierte Programmierkenntnisse, insb. Erfahrung mit ML und Autodifferenzierungsbibliotheken
  (JAX, PyTorch, SciML) sowie lineare Algebra Bibliotheken (Julia, Numpy, BLAS, etc)
• Die Fähigkeit zum Unterrichten in deutscher und/oder in englischer Sprache wird vorausgesetzt; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben

Wünschenswert:

• Praktische Erfahrungen im Bereich der Theoretischen Neurowissenschaft

Ihre schriftliche Bewerbung richten Sie bitte unter Angabe der Kennziffer mit den üblichen Bewerbungsunterlagen an die Technische Universität Berlin - Die Präsidentin - Fakultät IV, Institut für Softwaretechnik und Theoretische Informatik, FG Maschinelles Lernen, Prof. Dr. Klaus-Robert Müller, Sekr. MAR 4-1, Marchstr. 23, 10587 Berlin oder per E-Mail (eine PDF-Datei, max. 5 MB) an: jobs@bifold.berlin.

Die Bewerbungsunterlagen werden nicht zurückgesandt. Bitte reichen Sie nur Kopien ein.

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.

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.