Nachwuchsgruppenleiter*in (Postdoc) (m/w/d)

Das sind wir
Das Forschungszentrum der Berlin Mathematik MATH+ ist ein institutionsübergreifendes und interdisziplinäres Exzellenzcluster für anwendungsgetriebene mathematische Forschung mit gesellschaftlicher Relevanz. MATH+ basiert auf dem Dreiklang von exzellenter Nachwuchsausbildung in der gesamten mathematischen Breite, anwendungsorientierter Mathematik mit Schwerpunkt in datengetriebener Modellierung, Simulation, Optimierung und der Eröffnung neuer mathematischer Denkräume und wird dabei getragen von der Gesamtheit der Berliner Mathematik in Kooperation mit anderen Wissenschaftsdisziplinen. Darüber hinaus strebt MATH+ eine aktive Kommunikation mit der breiten Öffentlichkeit an. MATH+ finanziert insgesamt sechs Nachwuchsgruppenleiter*innen in anwendungsorientierter Mathematik, um junge Wissenschaftler*innen zu fördern, die bereits einige Jahre Erfahrung als Postdocs gesammelt haben, und sie beim Formen ihres Forschungsprofils und ihres Karriereweges zu unterstützen. Die Position bietet vielfältige Möglichkeiten zur Zusammenarbeit innerhalb von MATH+ sowie mit der lebendigen Forschungslandschaft in Berlin.

Das erwartet Sie bei uns
Der Fachbereich Mathematik und Informatik der Freien Universität Berlin bietet die Möglichkeit zur Leitung einer eigenständigen Nachwuchsgruppe im Bereich Statistical Learning. Mit einem eigenen, aufzubauenden Forschungsteam sollen neue mathematische und statistische Methoden für die moderne Datenanalyse entwickelt werden. Die Position bietet eine herausragende Gelegenheit, grundlegende Forschung an der Schnittstelle von Statistik, Machine Learning und Angewandter Mathematik zu betreiben. Im Rahmen des Exzellenzclusters MATH+ soll die Gruppe zur Weiterentwicklung des theoretischen Verständnisses des Lernens aus komplexen, strukturierten oder hochdimensionalen Daten beitragen sowie grundlegende methodische Ansätze für datengetriebenes Modellieren, Inferenz und Vorhersage erforschen. Wir ermutigen Bewerber*innen, die innovative Forschung zu theoretischen und mathematischen Grundlagen des Statistical Learning und Data Science verfolgen.

Beispielhafte Forschungsschwerpunkte sind:

• Grundlagen des Machine und Deep Learning aus mathematisch-statistischer Perspektive, einschließlich Generalisierung, Optimierung und Expressivität
• Regularisierung, Sparsity und Modellselektion in hochdimensionaler Statistik
• Bayesianische und probabilistische Ansätze für statistische Inferenz und Lernen
• Reinforcement Learning und sequentielles Entscheidungslernen
• Generative und probabilistische Modelle, z. B. Diffusions- oder Flow-basierte Methoden für datengetriebene Inferenz
• Verbindungen zum Optimal Transport, einschließlich theoretischer und numerischer Aspekte für datengetriebenes Modellieren und Lernen
• Lernen aus komplexen Modellen beschrieben durch ODEs, PDEs oder SDEs, mit Anknüpfungen an inverse Probleme, Unsicherheitsquantifizierung und stochastische Dynamik
• Lernen in komplexen Systemen, einschließlich Multiagentensystemen, gesellschaftlicher Dynamiken, Meinungsbildungsprozessen oder Klimafolgenmodellierung

Eine Zwischenevaluation wird im Rahmen des Exzellenzclusters nach drei Jahren erfolgen.

Das bringen Sie mit
Abgeschlossenes wissenschaftliches Hochschulstudium (Master) und Promotion in Mathematik, Statistik, Informatik oder einem verwandten Fachgebiet.

Das wünschen wir uns von Ihnen

• Mehrjährige Postdoc-Erfahrung mit nachgewiesener wissenschaftlicher Eigenständigkeit
• Nachweisbare Forschungserfahrung im Bereich Statistical Learning, Machine Learning oder hochdimensionaler Statistik
• einschlägige Publikationsliste
• Erfahrung in der Einwerbung von Drittmitteln
• ausgezeichnete Kommunikations- und Kooperationsfähigkeiten sowie Erfahrung in der Zusammenarbeit zwischen mathematischen und experimentellen Forschungsteams
• Gender- und Diversity-Kompetenz

Ein Startpaket, eigene Büroflächen, gemeinsame Infrastruktur (Datenmanagement, Rechenressourcen etc.) sowie administrative Unterstützung werden bereitgestellt.

Haben wir Ihr Interesse geweckt?
Dann freuen wir uns auf Ihre aussagekräftigen Bewerbungsunterlagen. Wir erwarten die üblichen Unterlagen wie CV, Zeugnisse, Publikationsliste und Referenzen. Außerdem sollten Sie kurz darstellen, in welchem Umfeld Sie wissenschaftlich arbeiten, was Ihre bisherigen Ergebnisse und Ziele sind, wie Sie sich und Ihre (aufzubauende) Arbeitsgruppe vorstellen. Aus der Bewerbung sollte Ihre Motivation für die Stelle als auch Ihr Profil für sich und die Arbeitsgruppe deutlich hervorgehen.

Bitte senden Sie uns Ihre Bewerbung über unser Online-Recruiting Portal, indem Sie auf den Button „Jetzt bewerben“ klicken. Von dort aus werden Sie zum Anlegen eines Profils weitergeleitet. Das Anlegen ist nur bei erstmaliger Bewerbung notwendig.

Weitere Informationen erteilt Prof. Schillings (c.schillings@fu-berlin.de).