Wiss. Mitarbeiter*in (Post Doc) (d/m/w) - Entgeltgruppe 13 TV-L Berliner Hochschulen - #2141722

Technische Universität Berlin

-

Fakultät IV - The Berlin Institute for the Foundations of Learning and Data (BIFOLD)

Bei der Technischen Universität Berlin ist/sind folgende Stelle/n zu besetzen:

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

Teilzeitbeschäftigung ist ggf. möglich

Das Berlin Institute for the Foundations of Learning and Data (BIFOLD) ist eines von sechs nationalen KI-Zentren in Deutschland und wird vom Land Berlin und dem Bundesministerium für Bildung und Forschung gefördert. BIFOLD besteht aktuell aus 12 Forschungsgruppen mit über 150 Mitarbeitenden, einer Graduiertenschule und der BIFOLD-Geschäftsstelle. Beteiligt sind außerdem Fellows der großen Berliner Universitäten, der Charité – Universitätsmedizin Berlin sowie verschiedener weiterer nationaler und internationaler Universitäten und außeruniversitärer Forschungseinrichtungen

Aufgabenbeschreibung:

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 folgenden als Agilitätsprojekt geplanten Thema: Erforschung von Technologien und Systemen zur Analyse und Agumentierung Multimodaler Datensätze und Generierung von automatisierten Annotierungsmethoden und Beurteilungsmethoden von Unsicherheiten in der Annotierung. Die Aufgabe wird in Zusammenarbeit mit der Charité Berlin im Rahmen eines BIFOLD Agilitätsprojektes durchgeführt

Erwartete Qualifikationen:

• 
  Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) und sehr gute Promotion (PhD) mit den Schwerpunkten Datenmanagement, Multi-modalen Datensätzen oder skalierbare Datenanalyse
  
• 
  Erfahrungen im wissenschaftlichen Arbeiten, nachgewiesen durch einschlägige wissenschaftliche Publikationen (SIGMOD, VLDB, ICDE, NEURIPS, ICLR, o.ä.)
  
• 
  Solide theoretische und praktische Kenntnisse in Informatik
  
• 
  Gute Deutsch- und/oder Englischkenntnisse erforderlich; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben
  

Wünschenswert:

• 
  Interessiert sin ein innovatives System zu entwickeln und Forschungsergebnisse in einer realen Anwendungsumgebung zu validieren
  
• 
  Tiefe Kenntnisse von Datenbanktechnologien
  
• 
  Weiterführende Kenntnisse in Maschinelles Lernen, neuronalen Netzen sowie in multi-modalen Technologien. Diese sollten durch Publikationen in einschlägigen Konferenzen wie zuvor erwähnt nachweisbar sein
  

Hinweise zur Bewerbung:

Ihre Bewerbung richten Sie bitte unter

Angabe der Kennziffer

mit den üblichen Unterlagen (d.h. mindestens Anschreiben, CV, Abschlusszeugnisse, Publikationsliste; zusammengefasst in einem PDF- Dokument, nicht größer als 3 MB) ausschließlich per E-Mail an

[email protected]

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

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