Blätter-Navigation

Offre 126 sur 275 du 18/11/2022, 07:44

logo

Tech­ni­sche Uni­ver­sität Ber­lin - Fakul­tät IV - Insti­tut für Soft­ware­tech­nik und Theo­re­ti­sche Infor­ma­tik / FG Big Data Engi­nee­ring

Wiss. Mit­ar­bei­ter*in (d/m/w) - Ent­gelt­gruppe 13 TV-L Ber­li­ner Hoch­schu­len - 1. Qua­li­fi­zie­rungs­phase (zur Pro­mo­tion)

Teil­zeit­be­schäf­ti­gung ist ggf. mög­lich

Das Fach­ge­biet "Big Data Engi­nee­ring" (DAMS Lab), unter Lei­tung von Prof. Dr.-Ing. Mat­thias Böhm, befasst sich mit Lehre und sys­tem­ori­en­tier­ter For­schung im Bereich Data Manage­ment für den gesam­ten Data Sci­ence Lebens­zy­klus von Data­in­te­gra­tion, -berei­ni­gung, und -vor­be­rei­tung, über effi­zi­en­tes und ska­lier­ba­res Trai­ning von Model­len, bis zum Modell­de­bug­ging und -deploy­ment.

Aufgabenbeschreibung:

Das Fach­ge­biet (DAMS Lab) sucht eine*n wis­sen­schaft­li­che Mit­ar­bei­ter*in (d/m/w) mit Lehr­ver­pflich­tung zur Ver­stär­kung des Teams mit spe­zi­el­lem Fokus auf „,data-centric machine lear­ning pipe­lines" sowie Algo­rith­men und Sys­temin­fra­struk­tur für deren ska­lier­bare Aus­füh­rung in ver­teil­ten Umge­bun­gen, The­men von Inter­esse umfas­sen:
  • Daten­in­te­gra­tion, -vali­die­rung, -berei­ni­gung, und -vor­be­rei­tung
  • Fea­ture Engi­nee­ring, Fusion, und Aus­rich­tung mul­ti­moda­ler Daten
  • Daten­aug­men­ta­tion und -destil­la­tion
  • Daten- und Modell­de­bug­ging
  • Fair­ness und Robust­heit von Model­len

Erwartete Qualifikationen:

  • Erfolg­reich abge­schlos­se­nes wis­sen­schaft­li­ches Hoch­schul­stu­dium (Mas­ter, Diplom oder Äqui­va­lent) in Infor­ma­tik oder einem ver­wand­ten Stu­di­en­gang. Wir sind auch offen für domä­nen­spe­zi­fi­sche Stu­di­en­gänge, sofern die Bereit­schaft vor­han­den ist Lücken in not­wen­di­ger Infor­ma­tik­aus­bil­dung zu schlie­ßen.
  • Fach­li­cher Hin­ter­grund in den Berei­chen Data Manage­ment, Ange­wand­tes Maschi­nel­les Ler­nen, Ver­teilte Sys­teme, und Soft­ware Engi­nee­ring
  • Pro­gram­mier­erfah­rung in Python und Java (erfor­dert) sowie C/C++ (vor­teil­haft)
  • Her­vor­ra­gende schrift­li­che und münd­li­che Eng­lisch­kennt­nisse; die Fähig­keit zum Unter­rich­ten, sowohl in deut­scher, als auch in eng­li­scher Spra­che wird vor­aus­ge­setzt
  • Kom­mu­ni­ka­ti­ons- und Team­fä­hig­keit, selb­stän­dige Arbeits­weise, hohe Moti­va­tion
  • Grund­le­gende Erfah­rung in For­schungs­me­tho­den und dem Ver­fas­sen wis­sen­schaft­li­cher Arbei­ten
  • Erfah­rung in der Lehre und didak­ti­sche Kom­pe­tenz sind von Vor­teil

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 jobs@dams.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/ 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.