TU Berlin - Image Header Bei der Technischen Universitt Berlin ist/sind folgende Stelle/n zu besetzen: 10 Stellen - Wissenschaftliche r Mitarbeiter in (d/m/w) - Entgeltgruppe 13 TV-L Berliner Hochschulen - 1. Qualifizierungsphase (zur Promotion) Teilzeitbeschftigung ist ggf. mglich Promovieren Sie am Berlin Institute for the Foundations of Learning and Data (BIFOLD; www.bifold.berlin) und werden Sie Teil der Spitzenforschung zu Datenmanagement, maschinellem Lernen und deren berschneidungsbereichen.BIFOLD betreibt skalierbare, agile Grundlagenforschung auf dem Gebiet Knstliche Intelligenz (KI) in der deutschen KI-Metropole Berlin. Das Institut ist Teil des Netzwerks der sechs nationalen Kompetenzzentren fr Forschung zu KI in Deutschland. Deren gemeinsame Aufgabe ist es, Deutschlands Position als internationalen Spitzenstandort fr die Forschung an KI-Technologien weiter auszubauen.Promovierende der BIFOLD-Graduiertenschule profitieren von einer umfassenden Betreuung durch fhrende internationale Wissenschaftler innen, interdisziplinrem Austausch und beruflichen Entwicklungsmglichkeiten in einem der weltweit fhrenden KI-Forschungsstandorte. Neben spannenden Forschungsprojekten bieten wir Zugang zu internationalen Konferenzen, Sommerschulen, Workshops und einer Vielzahl von beruflichen Entwicklungsmglichkeiten, einschlielich umfassender Betreuung, Finanzierung von Konferenzbesuchen und Gastwissenschaftlerprogrammen. BIFOLD steht fr ein internationales, kollegiales und familienfreundliches Arbeitsumfeld.Fakultt IV - Berlin Institute for the Foundations of Learning and Data (BIFOLD) Kennziffer: IV-631/24 (besetzbar ab 01.10.2025 / befristet fr 4 Jahre / Bewerbungsfristende 03.02.2025)Aufgabenbeschreibung: Basierend auf den bergreifenden Forschungsschwerpunkten von BIFOLD bietet die Graduiertenschule Promotionsprojekte in den Bereichen aktueller Herausforderungen in KI, Data Science (DS) und der verteilten Analyse groer Datenmengen an. Schwerpunkte liegen auf Datenmanagement, maschinellem Lernen und deren berschneidungsbereichen; einschlielich der Entwicklung neuer Theorien, Algorithmen und Technologien sowie prototypischer Systeme und Werkzeuge.Unsere Forschungsgruppen auf dem Gebiet des DatenmanagementsDatenbanksysteme und Informationsmanagement (Prof. Dr. Volker Markl), Informationsintegration und Datenaufbereitung (Prof. Dr. Ziawasch Abedjan), Data Management for Machine Learning (Prof. Dr. Sebastian Schelter), Big Data Engineering (Prof. Dr. Matthias Bhm), Big Data Analytics for Earth Observation (Prof. Dr. Begm Demir), Distributed Data Stream Processing in Heterogeneous Environments (Dr. Steffen Zeuch) und in den Bereichen des Maschinellen LernensMaschinelles Lernen (Prof. Dr. Klaus-Robert Mller), Maschinelles Lernen und IT-Sicherheit (Prof. Dr. Konrad Rieck), Probabilistic Modeling and Inference (Dr. Shinichi Nakajima), Intelligent Biomedical Sensing (Dr. Alexander von Lhmann), Machine Learning for Molecular Simulation in Quantum Chemistry (Dr. Stefan Chmiela) befassen sich mit den neuesten Herausforderungen in der KI und den Datenwissenschaften. Weitere Einzelheiten finden Sie unter bieten fnf Stellen mit Schwerpunkt Datenmanagement und fnf mit Schwerpunkt Maschinelles Lernen an, die jeweils einer unserer Forschungsgruppen zugeordnet sind. Kurze Beschreibungen der aktuellen Forschungsprojekte und der damit verbundenen Promotionsthemen der einzelnen BIFOLD-Forschungsgruppen finden Sie auf unserer Website Bewerber innen werden ermutigt, die Forschungsgruppen zu erkunden und die Forschungsbereiche auszuwhlen, die mit ihren Interessen in der Bewerbung bereinstimmen. Die Stellen beinhalten Lehraufgaben.Erwartete Qualifikationen: Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder quivalent) in Informatik (z. B. theoretische, methodisch-praktische oder technische Informatik) oder eng verwandten Studienfchern mit Schwerpunkt auf mindestens einem BIFOLD-Kernbereich Gute Programmierkenntnisse (z. B. Python, Java, Scala, C/C++, Rust) Fr Stellen im Bereich Datenmanagement: praktische Erfahrung in der Nutzung und (optional) Implementierung von Big-Data-Systemen (z. B. Apache Flink, Apache Spark, Dask) oder Datenbanksystemen (z. B. PostgreSQL) Fr Stellen im Bereich Maschinelles Lernen: umfangreiche Kenntnisse in Theorien und Methoden des maschinellen Lernens (z. B. Kernmethoden, tiefe Neuronale Netze), praktische Erfahrung in der Entwicklung und Anwendung von ML-Algorithmen, Erfahrungen mit Linear Algebra/Neural Network Frameworks (z. B. NumPy, PyTorch, TensorFlow, JAX) Fr Stellen an der Schnittstelle von Datenmanagement/Maschinelles Lernen: praktische Erfahrung in angewandtem ML (Auswahl von Merkmalen und Modellen, ML-Frameworks, Modellevaluierung und Debugging), Datenintegration, Data-Science-Pipelines, Datenqualitt sowie (fakultativ, aber von Vorteil) Erfahrung in multimodalen Datendarstellungen, Alignment, datenzentrierten ML-Pipelines und ML fr Anwendungen wie Gesundheitswesen oder Fernerkundung Die Fhigkeit zum Unterrichten in deutscher und/oder in englischer Sprache wird vorausgesetzt; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben Wnschenswert: Erste Erfahrungen in der Forschung und dem Verfassen von Publikationen sind von Vorteil Erfahrung in der Lehre und didaktische Kompetenz sind von Vorteil Wir suchen hoch motivierte, neugierige, begeisterungsfhige und ergebnisorientierte Forscher innen mit ausgezeichneten akademischen Leistungen und starkem Interesse an wissenschaftlicher Arbeit in den Bereichen Datenmanagement, Maschinelles Lernen und deren berschneidungen.Ihre Bewerbung richten Sie bitte vorzugsweise in englischer Sprache unter Angabe der Kennziffer mit den blichen Unterlagen (insb. ausgeflltes Bewerbungsformular upload/Content/Graduate School/BIFOLD GS application_form.pdf, Motivationsschreiben, vollstndiger aktueller Lebenslauf, Bachelor- und Masterzeugnisse [einschlielich Kurslisten und Noten], Namen und Kontaktdaten von mindestens 2 Referenzpersonen, deren Schreiben bis zum Ablauf der Frist fr diese Aufforderung vorliegen sollten) ausschlielich per Email als eine Datei im PDF-Format an Prof. Dr. Volker Markl und Prof. Dr. Klaus-Robert Mller an gsapplication@bifold.tu-berlin.de.Mit der Abgabe einer Onlinebewerbung geben Sie als Bewerber in Ihr Einverstndnis, dass Ihre Daten elektronisch verarbeitet und gespeichert werden. Wir weisen darauf hin, dass bei ungeschtzter bersendung Ihrer Bewerbung auf elektronischem Wege keine Gewhr fr die Sicherheit bermittelter persnlicher Daten bernommen werden kann. Datenschutzrechtliche Hinweise zur Verarbeitung Ihrer Daten gem. DSGVO finden Sie auf der Webseite der Personalabteilung: a z/datenschutzerklaerung/ oder Direktzugang: 214041.Zur Wahrung der Chancengleichheit zwischen Frauen und Mnnern sind Bewerbungen von Frauen mit der jeweiligen Qualifikation ausdrcklich erwnscht. Schwerbehinderte werden bei gleicher Eignung bevorzugt bercksichtigt. Die TU Berlin schtzt die Vielfalt ihrer Mitglieder und verfolgt die Ziele der Chancengleichheit. Bewerbungen von Menschen aller Nationalitten und mit Migrationshintergrund sind herzlich willkommen.Die Stellenausschreibung ist auch im Internet abrufbar unter:
Job Title
Wissenschaftliche*r Mitarbeiter*in (d/m/w) am Berlin Institute for the Foundatio