Wiss. Mitarbeiter*in (d​/m​/w

Ausschreibung in folgender Sprache anzeigen:

• Deutsch
• Englisch

Fakultät IV - Elektrotechnik und Informatik, BIFOLD / Maschinelles Lernen

unter dem Vorbehalt der Mittelbewilligung

Das Berlin Institute for the Foundations of Learning and Data (BIFOLD) an der Technischen Universität Berlin (Machine Learning Group, Prof. Dr. Klaus-Robert Müller) sucht eine
* n Wiss. Mitarbeiter
* in im Bereich Machine Learning für ein vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) gefördertes Juniorforschungskonsortium.
Das Teilprojekt an der TU Berlin wird von Dr. Mina Jamshidi Idaji geleitet und in enger Zusammenarbeit mit Prof. Dr. Philipp Jurmeister (LMU München) sowie Prof. Dr. Michael Bockmayr (Universitätsklinikum Hamburg-Eppendorf, UKE) durchgeführt. Das Projekt bietet Zugang zu einzigartigen multimodalen onkologischen Datensätzen und ein interdisziplinäres Forschungsumfeld an der Schnittstelle von Machine Learning, Computational Pathology und Präzisionsonkologie.
Der Forschungsschwerpunkt liegt auf der Entwicklung neuartiger Machine-Learning-Methoden für multimodales Lernen in der Computational Pathology. Ziel ist es, verschiedene biomedizinische Datenquellen – darunter histopathologische Bilddaten, molekulare Daten und klinische Informationen – zu integrieren, um KI-gestützte Entscheidungsunterstützungssysteme für die Onkologie weiterzuentwickeln. Die Stelle verbindet methodische Forschung im Bereich Machine Learning mit Anwendungen der Präzisionsmedizin in enger Zusammenarbeit mit klinischen Partnern.

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) in Informatik, Machine Learning, Mathematik, Elektrotechnik, Technischer Informatik oder einem verwandten Fachgebiet
• Sehr gute Programmierkenntnisse in Python sowie fundierte Erfahrung mit PyTorch. Erfahrung mit wissenschaftlichem Programmieren und reproduzierbaren Machine-Learning-Workflows wird vorausgesetzt
• Fundierte Kenntnisse im Bereich Machine Learning und Deep Learning sowie praktische Erfahrung in der Entwicklung, dem Training und der Evaluation neuronaler Netze
• Fundierte theoretische Kenntnisse in Wahrscheinlichkeitstheorie, Statistik, Optimierung und statistischem Machine Learning
• Gute Deutsch- und/oder Englischkenntnisse erforderlich;
  Bereitschaft, die fehlenden Sprachkenntnisse zu erwerben
• Erfahrung mit Transformer-Architekturen, Foundation Models, Self-Supervised Learning oder Representation Learning ist wünschenswert
• Kenntnisse im Bereich Explainable AI (xAI), Unsicherheitsschätzung, Kausalinferenz oder interpretierbares Machine Learning sind von Vorteil
• Erfahrung mit biomedizinischen oder klinischen Daten, insbesondere Computational Pathology, Whole-Slide Images, Multi-Omics oder medizinischer Bildgebung, ist von Vorteil
• Erfahrung im Umgang mit Linux, Git und GPU-basiertem High-Performance-Computing ist wünschenswert

Die aufgeführten Qualifikationen sind – soweit zutreffend – durch entsprechende Nachweise in den eingereichten Bewerbungsunterlagen zu belegen.

Das Motivationsschreiben sollte auf Englisch verfasst sein und eine Seite nicht überschreiten. Sie können gerne auf die folgenden Fragen eingehen:
1. Warum interessieren Sie sich für diese Stelle und das zugehörige Forschungsthema? 2. Welche bisherigen Erfahrungen und fachlichen Kompetenzen qualifizieren Sie besonders für diese Stelle? Bitte untermauern Sie Ihre Antwort mit konkreten Beispielen.
3. Welche Erwartungen haben Sie an diese Stelle? Bitte beschreiben Sie, welche Art der Betreuung Sie sich wünschen.

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:  .

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.

Umfang 100 % Arbeitszeit, Teilzeitbeschäftigung ist ggf. möglich

Vergütung

Vergütung Entgeltgruppe 13 TV-L Berliner Hochschulen

Abschluss

Abschluss Master, Diplom oder Äquivalent

Studiengang Elektrotechnik, Informatik, Mathematik, Machine Learning, Technische Informatik