Blätter-Navigation

An­ge­bot 77 von 106 vom 20.11.2020, 10:25

logo

Tech­ni­sche Uni­ver­sität Ber­lin - Fakul­tät IV - Insti­tut für Soft­ware­tech­nik und Theo­re­ti­sche Infor­ma­tik / FG Maschi­nel­les Ler­nen

Wiss. Mit­ar­bei­ter*in-Post­Doc (d/m/w) - Ent­gelt­gruppe 14 TV-L Ber­li­ner Hoch­schu­len

unter Vor­be­halt der Mit­tel­be­wil­li­gung - Teil­zeit­be­schäf­ti­gung ist ggf. mög­lich

Auf­ga­ben­be­sch­rei­bung:

  • Selb­stän­dige und ver­ant­wort­li­che For­schung im Bereich Maschi­nel­les Ler­nen ange­wen­det auf che­mi­sche Pro­blem­stel­lun­gen, ins­be­son­dere in der Ent­wick­lung von tie­fen Neu­ro­na­len Net­zen und Kern­me­tho­den für die Vor­her­sage der Eigen­schaf­ten ato­mis­ti­scher Sys­teme, etwa Poten­tial-ener­gie­flä­chen für Mole­kül­dyna­mik­si­mu­la­tio­nen.
  • Ent­wick­lung robus­ter und ska­lier­ba­rer Metho­den, wel­che alle phy­si­ka­li­schen Inva­ri­an­zen ato­mis­ti­scher Sys­teme berück­sich­ti­gen.
  • Wei­ter­ent­wick­lung von Metho­den zur Inter­pre­ta­tion und Erklä­rung der Vor­her­sa­gen ato­mis­ti­scher Neu­ro­na­ler Netze.
  • Betreu­ung von Bache­lor/Mas­ter-Stu­die­ren­den sowie Dok­to­rand*innen.

Er­war­te­te Qua­li­fi­ka­tio­nen:

  • Erfolg­reich abge­schlos­se­nes wis­sen­schaft­li­ches Hoch­schul­stu­dium (Mas­ter, Diplom oder Äqui­va­lent) und Pro­mo­tion in Che­mie, Phy­sik oder Infor­ma­tik.
  • Umfang­rei­che, ver­tiefte Kennt­nisse auf den Gebie­ten: Quan­ten­che­mie, Mole­kül­dyna­mik­si­mu­la­tio­nen, Theo­rien und Metho­den des maschi­nel­len Ler­nens, Kern­me­tho­den, tiefe Neu­ro­nale Netze, sowie Anwen­dung von maschi­nel­len Lern­me­tho­den auf hoch­di­men­sio­na­len che­mi­sche Regres­si­ons­pro­bleme sowie deren empi­ri­sche Aus­wer­tung.
  • Sehr gute Pro­gram­mier­kennt­nisse, z.B. in Python, C++ oder For­tran90, sowie Erfah­run­gen mit Machine Lear­ning / Neural Net­work Frame­works wie PyTorch oder Ten­sor­flow wer­den vor­aus­ge­setzt. Erfah­rung mit quan­ten­che­mi­schen Pro­gram­men zur Durch­füh­rung von ab ini­tio Rech­nun­gen wie GAUS­SIAN, MOL­PRO oder ORCA sind erwünscht.
  • Erfah­rung in inter­dis­zi­pli­nä­rer For­schung sowie Publi­ka­tio­nen in Fach­zeit­schrif­ten und/oder Kon­fe­ren­zen für theo­re­ti­sche Che­mie / maschi­nel­les Ler­nen sind gewünscht.
  • Gute Deutsch- und/oder Eng­lisch­kennt­nisse erfor­der­lich; Bereit­schaft, die jeweils feh­len­den Sprach­kennt­nisse zu erler­nen.

Hin­wei­se zur Be­wer­bung:

Ihre Bewer­bung rich­ten Sie bitte unter Angabe der Kenn­zif­fer mit den übli­chen Unter­la­gen aus­schließ­lich per E-Mail an office@bzml.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.

Tech­ni­sche Uni­ver­si­tät Ber­lin - Der Prä­si­dent - Fakul­tät IV,
Insti­tut für Soft­ware­tech­nik und Theo­re­ti­sche Infor­ma­tik, FG Maschi­nel­les Ler­nen
Prof. Dr. K.-R. Mül­ler, Sekr. MAR 4-1,
March­str. 23, 10587 Ber­lin