Blätter-Navigation

Offre 5 sur 675 du 19/08/2022, 00:00

logo

Tech­ni­sche Uni­ver­si­tät Dres­den - Dezer­nat 6 - Sach­ge­biet Orga­ni­sa­tion

Die TU Dres­den ist eine der elf Exzel­len­z­u­ni­ver­sitä­ten Deut­sch­lands. Als Voll­u­ni­ver­sität mit brei­tem Fächer­spek­trum zählt sie zu den for­schungs­s­tärks­ten Hoch­schu­len. Aus­tau­sch und Koope­ra­tion zwi­schen den Wis­sen­schaf­ten, mit Wirt­schaft und Gesell­schaft sind dafür die Grund­lage. Ziel ist es, im Wett­be­werb der Uni­ver­sitä­ten auch in Zukunft Spit­zen­plätze zu bele­gen. Daran und am Erfolg beim Trans­fer von Grund­la­gen­wis­sen und For­schung­s­er­geb­nis­sen mes­sen wir unsere Leis­tun­gen in Lehre, Stu­dium, For­schung und Wei­ter­bil­dung. Wis­sen schafft Brü­cken. Seit 1828.

wiss. Mit­ar­bei­ter/in (m/w/d)

Im Rah­men der Stra­te­gie Künst­li­che Intel­li­genz (KI) der Bun­des­re­gie­rung wird das erfolg­rei­che säch­si­sche Kom­pe­tenz­zen­trum ScaDS.AI Dres­den/Leip­zig (Cen­ter for Scala­ble Data Ana­ly­tics and Arti­fi­cial Intel­li­gence) zu einem füh­ren­den deut­schen KI-Kom­pe­tenz­zen­trum für Big Data und Künst­li­che Intel­li­genz (KI) aus­ge­baut.

Hier­für ist im Cen­ter for Inter­di­sci­pli­nary Digi­tal Sci­en­ces im Depart­ment ScaDS.AI zum nächst­mög­li­chen Zeit­punkt die Stelle ScaDS-22.3 als

wiss. Mit­ar­bei­ter/in (m/w/d)
(bei Vor­lie­gen der per­sön­li­chen Vor­aus­set­zun­gen E 13 TV-L)

mit 75 % der regel­mä­ßi­gen wöchent­li­chen Arbeits­zeit, für 3 Jahre mit der Option auf Ver­län­ge­rung (Beschäf­ti­gungs­dauer gemäß WissZeitVG), zu beset­zen. Es besteht die Gele­gen­heit zur eige­nen wiss. Wei­ter­qua­li­fi­ka­tion.

Fach­li­che Zuord­nung: Pro­fes­sur für sto­chas­ti­sche Ana­ly­sis und Finanz­ma­the­ma­tik (Prof. Dr. rer. nat. Mar­tin Kel­ler-Res­sel)
For­schungs­ge­biet: Geo­metric Rep­re­sen­ta­tion Lear­ning

Aufgabenbeschreibung:

For­schung zu geo­me­tri­schen Metho­den und Dar­stel­lun­gen im maschi­nel­len Ler­nen, ins­be­son­dere mit Bezug zu hyper­bo­li­scher Geo­me­trie, Ein­bet­tungs­me­tho­den für Gra­phen und Netz­werke, über­wach­tes Ler­nen in nicht-Eukli­di­schen Räu­men, Ein­bet­tung und Erler­nen von Daten unter hier­ar­chi­schen oder rela­tio­na­len Neben­be­din­gun­gen, Theo­re­ti­sche Garan­tien und Feh­ler­ab­schät­zun­gen für geo­me­tri­sche Ein­bet­tungs­me­tho­den, Vor­her­sage und Infe­renz von Anste­ckungs- und Aus­brei­tungs­pro­zes­sen in nicht-Eukli­di­scher Geo­me­trie.

Erwartete Qualifikationen:

sehr guter wiss. Hoch­schul­ab­schluss in Mathe­ma­tik oder Infor­ma­tik bzw. einer ver­gleich­ba­ren Inge­nieur- oder Natur­wis­sen­schaft mit theo­re­tisch-metho­di­schem Schwer­punkt; Neu­gier und star­kes Inter­esse an rigo­ro­ser, metho­di­scher Grund­la­gen­for­schung; sehr gute Pro­gram­mier­kennt­nisse, bevor­zugt in Python; sehr gute Eng­lisch­kennt­nisse in Wort und Schrift. Vor­kennt­nisse in linea­rer Alge­bra, mathe­ma­ti­scher Geo­me­trie, Sto­chas­tik und Opti­mie­rung sind erwünscht.

Hinweise zur Bewerbung:

Frauen sind aus­drück­lich zur Bewer­bung auf­ge­for­dert. Sel­bi­ges gilt auch für Men­schen mit Behin­de­run­gen.
Ihre aus­sa­ge­kräf­tige Bewer­bung sen­den Sie bitte mit den übli­chen Unter­la­gen unter Angabe der Stel­len­num­mer ScaDS-22.3 bis zum 29.08.2022 (es gilt der Post­stem­pel der ZPS der TU Dres­den) bevor­zugt über das Secu­re­Mail Por­tal der TU Dres­den https://securemail.tu-dresden.de als ein PDF–Doku­ment an scads.ai@tu-dresden.de oder an: TU Dres­den, CIDS, Herrn Prof. Dr. Nagel, Helm­holtz­str. 10, 01069 Dres­den. Ihre Bewer­bungs­un­ter­la­gen wer­den nicht zurück­ge­sandt, bitte rei­chen Sie nur Kopien ein. Vor­stel­lungs­kos­ten wer­den nicht über­nom­men.

Hin­weis zum Daten­schutz: Wel­che Rechte Sie haben und zu wel­chem Zweck Ihre Daten ver­ar­bei­tet wer­den sowie wei­tere Infor­ma­tio­nen zum Daten­schutz haben wir auf der Web­seite https://tu-dresden.de/karriere/datenschutzhinweis für Sie zur Ver­fü­gung gestellt.