Blätter-Navigation

Offer 13 out of 397 from 23/09/22, 09:53

logo

Leib­niz Uni­ver­si­tät Han­no­ver - Ver­wal­tung und zen­trale Ein­rich­tun­gen - Leib­niz Joint Lab Data Sci­ence und Open Know­ledg

Am Leib­niz Joint Lab Data Sci­ence und Open Know­ledge der For­schungs- und Ent­wick­lungs­ab­tei­lung der Tech­ni­schen Infor­ma­ti­ons­bi­blio­thek (TIB) und des For­schungs­zen­trums L3S, unter der Lei­tung von Dr. Javad Cha­man­ara und Prof. Dr. Sören Auer, ist eine Stelle als Wis­sen­schaft­li­che/r Mit­ar­bei­ter/in als For­schungs­in­ge­nieur/in (m/w/d) für Maschi­nel­les Ler­nen an Know­ledge Graphs (Ent­gGr. 13 TV-L, 100 %) zum nächst­mög­li­chen Ter­min zu beset­zen. Die Stelle ist bis zum 31.12.2025 befris­tet, mit der Mög­lich­keit auf Ver­län­ge­rung.

Wis­sen­schaft­li­che Mit­ar­beit als For­schungs­in­ge­nieur/in (m/w/d) für Maschi­nel­les Ler­nen an Know­ledge Graphs

(Ent­gGr. 13 TV-L, 100 %)

Aufgabenbeschreibung:

Sie wer­den in den Kon­text des CLE­VER-Pro­jekts gestellt, das sich zum Ziel gesetzt hat, KI/ML und Wis­sens­gra­phen in den Mit­tel­punkt von Clus­ter- und Edge-Com­pu­ting zu stel­len. Zu Ihren Auf­ga­ben gehö­ren fol­gende Tätig­kei­ten:

  • Ent­wer­fen, Imple­men­tie­ren, Trai­nie­ren, Opti­mie­ren, Tes­ten und Ver­öf­fent­li­chen von ML-Model­len für die Vor­her­sage des Workload-Bedarfs und die Orches­trie­rung (ein­schließ­lich Auf­trags­pla­nung, -plat­zie­rung und -dispatching) auf Ein­zel- und Mul­ti­clus­ter-Sys­te­men.
  • Defi­ni­tion, Ent­wurf und Imple­men­tie­rung von Inte­gra­ti­ons­schnitt­stel­len für die ML-Modelle und andere Kom­po­nen­ten des Sys­tems (z. B. Kuber­ne­tes) unter Ver­wen­dung geeig­ne­ter Tech­no­lo­gien, z. B. Biblio­theks­ver­knüp­fung, RPC, gRPC, REST, usw.
  • Über­nahme der Ver­ant­wor­tung für die Gewähr­leis­tung von wart­ba­rem und ska­lier­ba­rem Code für Robust­heit und Zuver­läs­sig­keit
  • Schrei­ben und Pfle­gen von Unit-Tests, damit die Qua­li­tät erhal­ten bleibt und die funk­tio­na­len Anfor­de­run­gen ein­ge­hal­ten wer­den
  • Peer-Review des Codes von Team­mit­glie­dern
  • Teil­nahme an Pro­duct Back­log Refi­ne­ment Ses­si­ons zur For­mu­lie­rung von User Sto­ries durch Klä­rung der tech­ni­schen Details
  • Ent­wick­lung von Demos, Pro­to­ty­pen und Prä­sen­ta­tio­nen
  • Teil­nahme und Prä­sen­ta­tion der Arbeits­er­geb­nisse in Mee­tings mit meh­re­ren Teil­neh­mern oder bei exter­nen Ver­an­stal­tun­gen

Erwartete Qualifikationen:

Vor­aus­set­zung für die Ein­stel­lung ist ein erfolg­reich abge­schlos­se­nes wis­sen­schaft­li­ches Hoch­schul­stu­dium (Mas­ter oder ver­gleich­ba­rer Abschluss) in einem ein­schlä­gi­gen Stu­di­en­gang wie Infor­ma­tik, Mathe­ma­tik oder Infor­ma­ti­ons­wis­sen­schaft. Ihre Kom­pe­ten­zen soll­ten in der Infor­ma­tik oder ihr ver­wand­ten Gebie­ten begrün­det sein. Sie soll­ten in der Lage sein, krea­tiv zu den­ken, neues Wis­sen schnell zu erfas­sen und abs­trak­tes Den­ken mit kon­kre­ter Pro­blem­lö­sung zu ver­bin­den sowie an der Bewäl­ti­gung kom­ple­xer Her­aus­for­de­run­gen inter­es­siert sein.

Dar­über hin­aus wird erwar­tet:

  • Beherr­schen der eng­li­schen Spra­che in Wort und Schrift, Deutsch­kennt­nisse sind wün­schens­wert
  • Min­des­tens 5 Jahre Berufs­er­fah­rung als Pro­gram­mie­re­rin oder Pro­gram­mie­rer
  • Min­des­tens 2 Jahre Berufs­er­fah­rung als ML-Ent­wick­le­rin oder -Ent­wick­ler (erfolg­reich durch­ge­führte Arbei­ten soll­ten vor­ge­legt wer­den)
  • Solide Kennt­nisse und Erfah­rung mit Python; Kennt­nisse der Spra­che GO sind ein Vor­teil
  • Prak­ti­sche Erfah­run­gen mit PyTorch oder Ten­sor­Flow
  • Erfah­rung mit KI/Ml auf Gra­phen, ein­schließ­lich Tech­ni­ken zur Ein­bet­tung von Gra­phen sowie zur Vor­her­sage von Links und Eigen­schaf­ten
  • Erfah­rung mit der Extrak­tion von Daten aus RDBMS, RDF-Spei­chern und Web­diens­ten
  • Aus­ge­prägte Erfah­rung in der Ver­wen­dung von REST-APIs und der Inter­ak­tion mit ihnen haupt­säch­lich über JSON
  • Erfah­rung mit Docker, Docke­ri­sie­rung und ver­wand­ten Tech­no­lo­gien
  • Erfah­rung mit Kubere­ne­tes
  • Ana­ly­ti­sches Den­ken, Krea­ti­vi­tät, Team­ar­beit und Kom­mu­ni­ka­ti­ons­fä­hig­keit
  • Lei­den­schaft, sau­be­ren Code zu schrei­ben
  • Erfah­rung in der Arbeit mit Scrum-Metho­den ist von Vor­teil (aber keine Vor­aus­set­zung)
  • Fähig­keit, qua­li­ta­tiv hoch­wer­tige Doku­men­ta­tio­nen, tech­ni­sche Berichte und Prä­sen­ta­ti­ons­ma­te­rial zu ver­fas­sen
  • Solide Erfah­rung im Umgang mit Git, Git­hub oder Git­lab, ein­schließ­lich Com­mit, Pushing, Bran­ching, Mer­ging, Pull Requests und Issue Manage­ment

Unser Angebot:

Im Joint Lab bie­ten wir Ihnen ein wis­sen­schaft­lich und intel­lek­tu­ell inspi­rie­ren­des, unter­neh­me­risch gepräg­tes Umfeld, ein­ge­bet­tet in eine füh­rende Tech­ni­sche Uni­ver­si­tät und eines der größ­ten tech­ni­schen Infor­ma­ti­ons­zen­tren, der Leib­niz-Gemein­schaft. Es besteht eine enge Zusam­men­ar­beit mit dem For­schungs­zen­trum L3S der Leib­niz Uni­ver­si­tät Han­no­ver - das L3S ist eines der welt­weit füh­ren­den For­schungs­in­sti­tute in den Berei­chen Web & Data Sci­ence. Nicht zuletzt legen wir gro­ßen Wert auf eine offene und krea­tive Arbeits­at­mo­sphäre, in der es Spaß macht, zu arbei­ten.

Wei­ter­hin bie­ten wir:

  • Moderne tech­ni­sche Aus­stat­tung, Rei­sen zu Kon­fe­ren­zen und For­schungs­be­su­chen
  • Ein moder­ner Arbeits­platz in zen­tra­ler Lage Han­no­vers mit einem kol­le­gia­len, attrak­ti­ven und viel­sei­ti­gen Arbeits­um­feld
  • Fle­xi­ble Arbeits­zei­ten (Gleit­zeit) sowie Ange­bote zur Ver­ein­bar­keit von Beruf und Fami­lie, wie z.B. mobile Arbeit
  • Ange­bot an inter­nen und exter­nen Wei­ter­bil­dungs- und Qua­li­fi­zie­rungs­maß­nah­men, betrieb­li­cher -Gesund­heits­för­de­rung und einer Zusatz­ren­ten­ver­si­che­rung für den öffent­li­chen Sek­tor (VBL)
  • Ver­güns­ti­gun­gen für Beschäf­tigte in den Mensen des Stu­den­ten­werks Han­no­ver, Nut­zung des Ange­bo­tes des Hoch­schul­sports Han­no­ver
  • Eine Ver­gü­tung nach den Bestim­mun­gen des Tarif­ver­tra­ges für den öffent­li­chen Dienst der Län­der (TV-L) in Deutsch­land

Die Uni­ver­si­tät hat es sich zum Ziel gesetzt, die beruf­li­che Gleich­be­rech­ti­gung von Frauen und Män­nern beson­ders zu för­dern. Hierzu strebt sie an, in Berei­chen, in denen ein Geschlecht unter­re­prä­sen­tiert ist, diese Unter­re­prä­sen­tanz abzu­bauen. In der Ent­gelt­gruppe der aus­ge­schrie­be­nen Stelle sind Frauen unter­re­prä­sen­tiert. Qua­li­fi­zierte Frauen wer­den des­halb gebe­ten, sich zu bewer­ben. Bewer­bun­gen von qua­li­fi­zier­ten Män­nern sind eben­falls erwünscht. Schwer­be­hin­derte Men­schen wer­den bei glei­cher Qua­li­fi­ka­tion bevor­zugt.

Hinweise zur Bewerbung:

Wir freuen uns auf Ihre Bewer­bung. Bitte fügen Sie Ihrer Bewer­bung zusätz­lich zu Ihrem Lebens­lauf ein Moti­va­ti­ons­schrei­ben (ein­schließ­lich Tech­no­lo­gie­in­ter­es­sen) und sen­den Sie Ihre voll­stän­di­gen Bewer­bungs­un­ter­la­gen bis zum 15.10.2022 in elek­tro­ni­scher Form an

E-Mail: matern@l3s.de

oder alter­na­tiv pos­ta­lisch an:

Gott­fried Wil­helm Leib­niz Uni­ver­si­tät Han­no­ver
Joint Lab TIB / For­schungs­zen­trum L3S
z.Hd. Frau Simone Matern
Wel­fen­gar­ten 1B, 30167 Han­no­ver

Für wei­tere Aus­künfte steht Ihnen Herr Dr. Javad Cha­man­ara (E-Mail: chamanara@l3s.de) zur Ver­fü­gung.

Mehr Infor­ma­tio­nen zum Joint Lab fin­den sie hier: https://www.tib.eu/en/research-development/joint-lab/

Infor­ma­tio­nen nach Arti­kel 13 DSGVO zur Erhe­bung per­so­nen­be­zo­ge­ner Daten fin­den Sie unter https://www.uni-hannover.de/de/datenschutzhinweis-bewerbungen/.