Wiss. Mitarbeiter*in (d/m/w)

• Forschung zu Machine-Learning-basierter vorausschauender Wartung für Axialverdichterstufen in enger Abstimmung mit experimentellen und signalverarbeitenden Projektpartnern
• Konzeption unüberwachter und selbstüberwachter Anomalie-Detektoren sowie überwachter Schaden-Klassifikationsmodelle für multimodale Sensordaten
• Anwendung von Methoden der erklärbaren KI zur Identifikation diagnostischer Signaturen und zur Sensorauswahl
• Implementierung von wissenschaftlichem open-source Programmcode mit hohem Qualitätsanspruch
• Publikation der wissenschaftlichen Ergebnisse in internationalen Fachzeitschriften und auf Fachkonferenzen
• Zusammenarbeit mit Projektpartnern (Prof. Peitsch, Prof. Sarradj) an der TU Berlin
• Betreuung studentischer Abschlussarbeiten mit Projektbezug
• Wissenschaftskommunikation für außeruniversitäre Zielgruppen

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) in Ingenieurwissenschaften, Angewandte Mathematik oder Maschinelles Lernen
• Vertiefte Kenntnisse in der Aerodynamik von Turbomaschinen oder in der Strukturdynamik rotierender Maschinen
• Theoretische Kenntnisse und nachgewiesene praktische Erfahrung mit CNN-, LSTM-, Transformer- und Autoencoder-Architekturen für Zeitreihendaten
• Praktische Erfahrung mit Werkzeugen der erklärbaren KI
• Nachgewiesene, sehr gute Programmiererfahrung in Python mit PyTorch oder JAX sowie mit Git-basierter Versionskontrolle
• Sehr gute Englisch- und Deutschkenntnisse in Wort und Schrift
• Erfahrung im wissenschaftlichen Publizieren und Präsentieren erwünscht
• Selbstständige Arbeitsweise, Kommunikationsfähigkeit, Teamfähigkeit, Interkulturelle Kompetenzen wünschenswert

• Eine inklusive und wertschätzende Arbeitsatmosphäre in einem engagierten und diversen Team
• Arbeitszeit und mobile Arbeit bietet Vereinbarkeit von Familie und Beruf sowie Möglichkeit auf Homeoffice

Ihre Bewerbung senden Sie bitte unter Angabe der Kennziffer mit den üblichen Unterlagen (zusammengefasst in einem PDF-Dokument, max. 5 MB) per E-Mail an Prof. Dr. Merten Stender über bewerbungen@cpsme.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/.

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.