Blätter-Navigation

Angebot 310 von 437 vom 19.07.2022, 13:36

logologo

Tech­ni­sche Uni­ver­si­tät Dres­den - Cen­ter for Inter­di­sci­pli­nary Digi­tal Sci­en­ces, Cen­ter for Scala­ble Data Ana­ly­tics and Arti­fi­cial Intel­li­gence

Die TU Dres­den ist eine der elf Exzel­len­z­u­ni­ver­sitä­ten Deut­sch­lands. Als Voll­u­ni­ver­sität mit brei­tem Fächer­spek­trum zählt sie zu den for­schungs­s­tärks­ten Hoch­schu­len. Aus­tau­sch und Koope­ra­tion zwi­schen den Wis­sen­schaf­ten, mit Wirt­schaft und Gesell­schaft sind dafür die Grund­lage. Ziel ist es, im Wett­be­werb der Uni­ver­sitä­ten auch in Zukunft Spit­zen­plätze zu bele­gen. Daran und am Erfolg beim Trans­fer von Grund­la­gen­wis­sen und For­schung­s­er­geb­nis­sen mes­sen wir unsere Leis­tun­gen in Lehre, Stu­dium, For­schung und Wei­ter­bil­dung. Wis­sen schafft Brü­cken. Seit 1828.

wiss. Mit­ar­bei­ter/in (m/w/d)

Im Rah­men der Stra­te­gie Künst­li­che Intel­li­genz (KI) der Bun­des­re­gie­rung wird das erfolg­rei­che säch­si­sche Kom­pe­tenz­zen­trum ScaDS.AI Dres­den/Leip­zig (Cen­ter for Scala­ble Data Ana­ly­tics and Arti­fi­cial Intel­li­gence) zu einem füh­ren­den deut­schen KI-Kom­pe­tenz­zen­trum für Big Data und Künst­li­che Intel­li­genz (KI) aus­ge­baut.

Hier­für ist im Cen­ter for Inter­di­sci­pli­nary Digi­tal Sci­en­ces im Depart­ment ScaDS.AI zum nächst­mög­li­chen Zeit­punkt die Stelle ScaDS-22.4 als

wiss. Mit­ar­bei­ter/in (m/w/d)
(bei Vor­lie­gen der per­sön­li­chen Vor­aus­set­zun­gen E 13 TV-L)

für 3 Jahre mit der Option auf Ver­län­ge­rung (Beschäf­ti­gungs­dauer gemäß WissZeitVG) zu beset­zen. Es besteht die Gele­gen­heit zur eige­nen wiss. Wei­ter­qua­li­fi­ka­tion. Die Ver­ein­bar­keit von Fami­lie und Beruf hat einen hohen Stel­len­wert. Die Stelle ist grund­sätz­lich auch für Teil­zeit­be­schäf­tigte geeig­net. Bitte ver­mer­ken Sie die­sen Wunsch in Ihrer Bewer­bung.

Fach­li­che Zuord­nung: Pro­fes­sur für Big Data Ana­ly­tics in Trans­por­ta­tion (Prof. Dr. rer. pol. Pas­cal Kerschke)
For­schungs­ge­biet: AI and ML Algo­rithms / Methods (Fede­r­a­ted and Effi­ci­ent Lear­ning)

Aufgabenbeschreibung:

Erfor­schung von Pro­ble­men des maschi­nel­len Ler­nens und der Black-Box-Opti­mie­rung. Ent­wick­lung fea­ture-basier­ter Algo­rith­men, sowie deren Inte­gra­tion in eta­blierte Bench­mar­king-Tools und empi­ri­sche Ana­lyse ihrer Eig­nung und Effek­ti­vi­tät; Prä­sen­ta­tion und Ver­öf­fent­li­chung von For­schungs­er­geb­nis­sen in eng­li­scher Spra­che.

Erwartete Qualifikationen:

sehr guter wiss. Hoch­schul­ab­schluss in Infor­ma­tik, Data Sci­ence, Machine Lear­ning, Com­pu­ta­tio­nal Sta­tis­tics oder einem ver­wand­ten Fach­ge­biet; Vor­kennt­nisse in den Grund­la­gen und der Anwen­dung von maschi­nel­len Lern­ver­fah­ren und/oder einem Gebiet der Opti­mie­rung (z. B. kon­ti­nu­ier­li­che oder evo­lu­tio­näre Opti­mie­rung); Neu­gier und star­kes Inter­esse an Grund­la­gen­for­schung; sehr gute Pro­gram­mier­kennt­nisse in R oder Python; sehr gute Eng­lisch­kennt­nisse in Wort und Schrift.

Hinweise zur Bewerbung:

Frauen sind aus­drück­lich zur Bewer­bung auf­ge­for­dert. Sel­bi­ges gilt auch für Men­schen mit Behin­de­run­gen.
Ihre aus­sa­ge­kräf­tige Bewer­bung sen­den Sie bitte mit den übli­chen Unter­la­gen unter Angabe der Stel­len­num­mer ScaDS-22.4 bis zum 29.08.2022 (es gilt der Post­stem­pel der ZPS der TU Dres­den) bevor­zugt über das Secu­re­Mail Por­tal der TU Dres­den https://securemail.tu-dresden.de als ein PDF–Doku­ment an scads.ai@tu-dresden.de oder an: TU Dres­den, CIDS, Herrn Prof. Dr. Nagel, Helm­holtz­straße 10, 01069 Dres­den. Ihre Bewer­bungs­un­ter­la­gen wer­den nicht zurück­ge­sandt, bitte rei­chen Sie nur Kopien ein. Vor­stel­lungs­kos­ten wer­den nicht über­nom­men.

Hin­weis zum Daten­schutz: Wel­che Rechte Sie haben und zu wel­chem Zweck Ihre Daten ver­ar­bei­tet wer­den sowie wei­tere Infor­ma­tio­nen zum Daten­schutz haben wir auf der Web­seite https://tu-dresden.de/karriere/datenschutzhinweis für Sie zur Ver­fü­gung gestellt.