Am Forschungsinstitut Kinderkrebs-Zentrum am Universitätsklinikum Hamburg-Eppendorf ist in der Arbeitsgruppe Computational Pediatric Oncology (Leitung Prof. Dr. Michael Bockmayr) zum 01.01.2027 eine Stelle als wissenschaftliche:r Mitarbeiter:in (PhD/Postdoc) zu besetzen. Ein späterer Eintritt ist prinzipiell denkbar. Es besteht die Möglichkeit zur Promotion.

Die Arbeitsgruppe widmet sich der Entwicklung quantitativer Methoden für die pädiatrische Hämatologie und Onkologie. Sie erwartet ein spannendes Projekt, bei dem Methoden des maschinellen Lernens genutzt werden, um aus hochdimensionalen Omics-Daten, insbesondere DNA-Methylierungsdaten, genauere Vorhersagen zu Diagnose, Prognose und Therapieansprechen bei Krebserkrankungen zu ermöglichen.

Eine professionelle und individuelle Betreuung wird über den gesamten Zeitraum gewährleistet. Darüber hinaus erwartet Sie im Forschungsinstitut ein motiviertes und dynamisches Team aus Ärzt:innen, Naturwissenschaftler:innen, Bioinformatiker:innen, technischen Assistent:innen und Studierenden, die im Rahmen unterschiedlicher Projekte und Ansätze der Erforschung kindlicher Krebserkrankungen auf der Spur sind.

Ihre Aufgaben:

• Entwicklung und Evaluierung klinisch relevanter Klassifikationsalgorithmen mit Methoden des maschinellen Lernens auf Basis von hochdimensionalen Omics-Datensätzen
• Enge Zusammenarbeit mit Kooperationspartner:innen im Bereich Machine Learning und weiteren Forschungsgruppen am Kinderkrebszentrum
• Präsentation der Forschungsergebnisse auf internationalen Konferenzen und Veröffentlichung als Erstautor:in in anerkannten Fachzeitschriften

Die Position ist drittmittel- und projektbedingt auf zwei Jahre befristet mit der Option auf Verlängerung.

• Abgeschlossenes wissenschaftliches Hochschulstudium im Bereich Maschinelles Lernen, Bioinformatik, Informatik, Data Science, Angewandte Mathematik, Physik, Biomedical Engineering oder einem anderen relevanten Studiengang
• Nachgewiesene Programmiererfahrung in Python, gute Kenntnisse von ML-Frameworks wie PyTorch oder Programmierkenntnisse in R sind vorteilhaft.
• Fundierte Kenntnisse aktueller Methoden des maschinellen Lernens
• Ausgezeichnete Kommunikationsfähigkeit und Fähigkeit zur interdisziplinären Zusammenarbeit
• Sichere Englischkenntnisse in Wort und Schrift, Deutschkenntnisse sind vorteilhaft.
• Vorerfahrungen mit Representation-Learning, Transformer-Architekturen, Foundation Models und erklärbarer KI (xAI) sind vorteilhaft.
• Kenntnisse zur Verarbeitung von DNA-Methylierungsdaten, insbesondere Array- und (Nanopore-) sequenzierungsbasiert, sind vorteilhaft, aber nicht erforderlich. Für uns zählen vor allem Ihre fundierten Programmier- und ML-Kenntnisse.
• Kenntnisse im Umgang mit UNIX-basierten Betriebssystemen und Versionskontrollsoftware sind wünschenswert.

Wir freuen uns auf eine aussagekräftige Bewerbung inkl. Motivationsschreiben, CV, Referenzen, Abschlusszeugnissen, Liste der besuchten Lehrveranstaltungen sowie ggf. Verlinkung von Code-Beispielen, Abschlussarbeiten oder Publikationen.

Immunitätsstatus

Das bieten wir

Über uns