Wissenschaftliche/r Mitarbeiter/in für Maschinelles Lernen und Data Engineeriung

Universität Münster

Deutschland

Am Lehrstuhl für Maschinelles Lernen und Data Engineering des Instituts für Wirtschaftsinformatik der Westfälischen Wilhelms-Universität Münster sind zum nächstmöglichen Zeitpunkt zwei Stellen als

Wissenschaftliche Mitarbeiterin / Wissenschaftlicher Mitarbeiter

(Entgeltgruppe TV-L E13 100%)

zu besetzen.

Die Analyse großer Datenmengen hat innerhalb der letzten Jahre enorm an Bedeutung gewonnen. Einer der Gründe hierfür ist die Tatsache, dass die Datenmengen in vielen Gebieten dramatisch zugenommen haben. Beispielsweise liefern Satelliten pro Jahr mehrere Petabyte an Daten. Eine ähnliche „Datenflut“ kann heutzutage in verschiedenen anderen Gebieten beobachtet werden, wie z. B. in der Medizin, im Bereich sozialer Medien, in der Finanzwirtschaft oder im Kontext moderner Energienetze. Im Rahmen der zu besetzenden Stellen wird die Mitarbeit an Projekten erwünscht, die einen Bezug zu mindestens einem der folgenden Gebiete haben:

  • Deep Learning
  • Entwicklung von parallelen/verteilten Implementationen für Verfahren des Maschinellen Lernens
  • Anpassung von Verfahren des Maschinellen Lernens an moderne Datenbanksysteme
  • Maschinelles Lernen unter Ressourcenbeschränkung (z.B. Trainieren von Modellen auf einem Arduino)
  • Anwendung von Datenanalyseverfahren (z.B. in den Geowissenschaften, in der Physik, in der Medizin, im Kontext moderner Energiesysteme, . . . )

Die Forschungsprojekte knüpfen hierbei an bereits existierende nationale und internationale Kooperationen an (z.B. mit der University of Copenhagen), die im Rahmen der Stellen weiter ausgebaut werden sollen.

Wen suchen wir?

Wir suchen exzellente Bewerberinnen/Bewerber, die das folgende Profil erfüllen:

  • Universitätsabschluss (Diplom/MSc) in Wirtschaftsinformatik, Informatik, Geoinformatik, Mathematik, Physik oder in einer angrenzenden Disziplin
  • Kenntnisse im Bereich des Maschinellen Lernens und/oder im Bereich des Data Engineerings
  • Fundierte Programmierkenntnisse (z.B. in Python)
  • Exzellente Kommunikationsfähigkeiten sowie gute Englischkenntnisse

Die regelmäßige Arbeitszeit beträgt bei Vollbeschäftigung zurzeit 39 Stunden 50 Minuten wöchentlich. Stellenbesetzungen werden grundsätzlich auch in Teilzeit vorgenommen, sofern dem nicht im Einzelfall zwingende dienstliche Gründe entgegenstehen. Die Stelle ist zunächst auf drei Jahre befristet, eine Verlängerung wird angestrebt. Die Möglichkeit zur Promotion ist gegeben. Die Westfälische Wilhelms-Universität Münster tritt für die Geschlechtergerechtigkeit ein und strebt eine Erhöhung des Anteils von Frauen in Forschung und Lehre an. Bewerbungen von Frauen sind daher ausdrücklich
erwünscht; Frauen werden bei gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt berücksichtigt, sofern nicht in der Person eines Mitbewerbers liegende Gründe überwiegen. Schwerbehinderte werden bei gleicher Qualifikation bevorzugt eingestellt.

Was sind Ihre Aufgaben?

Ihre Kernaufgabe ist die Mitarbeit an Projekten in den erwähnten Forschungsgebieten. Es wird erwartet, dass die Forschungsergebnisse auf nationalen und internationalen Konferenzen präsentiert und in Fachzeitschriften veröffentlicht werden. Zusätzlich erwarten wir eine angemessene Unterstützung von Lehrveranstaltungen des Lehrstuhls (die Lehrverpflichtung beträgt bei Vollzeit 4 Semesterwochenstunden) und die Mitarbeit an administrativen lehrstuhlbezogenen Tätigkeiten.

Wie bewerben Sie sich?

Bei Fragen zum Stellenprofil oder zum Bewerbungsverfahren können Sie sich gerne an uns wenden. Ihre Bewerbung (als pdf-Datei) mit Lebenslauf, Zeugniskopien und einer kurzen Darstellung der eigenen Forschungsinteressen senden Sie bitte per E-Mail bis zum 1.8.2020 an:

Prof. Dr. Fabian Gieseke

Maschinelles Lernen und Data Engineeriung

Institut für Wirtschaftsinformatik

Westfälische Wilhelms-Universität Münster

Leonardo-Campus 9

49149 Münster

E-Mail: fabian.gieseke@uni-muenster.de

The Machine Learning and Data Engineering group at the Department of Information Systems at the University of Münster (Germany) is offering two PhD positions in machine learning and/or data engineering commencing as soon as possible:

Doctoral Research Asscociate (‘‘Wissenschaftliche/r Mitarbeiter/in’’;

salary level TV-L E13 100%)

The analysis of large amounts of data has gained considerable attention over recent years. One reason for this phenomenon is the fact that the data volumes have increased dramatically in various domains. This is the case, for instance, in remote sensing, where satellites produce data volumes in the petabyte range per year. A similar ‘‘data flood’’ can be observed in many other disciplines as well including medicine, social media, finance, or in the context of modern energy systems. The successful candidates will contribute to research activities in at least one of the following fields:

  • deep learning
  • development of parallel/distributed implementations of machine learning techniques
  • acceleration of machine learning models in the context of modern database systems
  • efficient implementations of machine learning techniques given limited compute and memory resources (e.g. training models on an Arduino)
  • application of data analysis techniques (e.g. in the geosciences, physics, the medical domain or in the context of modern energy systems)

The current research projects are conducted in collaboration with national and international partners (e.g. with the University of Copenhagen) and these collaborations shall be intensified within the next few years.

Who are we looking for?

We are seeking excellent candidates, who exhibit the following profile:

  • Master’s in Information Systems, Computer Science, Geoinformatics, Mathematics, Physics, or a related field.
  • demonstrated knowledge in the field of machine learning and/or in the field of data engineering
  • good programming skills (e.g. in Python)
  • excellent communication skills, as well as proficiency in spoken and written English are expected (knowledge of German is not required but is a plus)

The fixed-term posts are available for a 36 month term (with the possibility of an extension) and for the regular full employment time, currently 39 hours and 50 minutes per week. The University of Münster is an equal opportunity employer and is committed to increasing the proportion of women academics.  onsequently, we actively encourage applications by women. Female candidates with equivalent qualifications and academic achievements will be  referentially considered within the framework of the legal possibilities. We also welcome applications from candidates with severe disabilities. Disabled
candidates with equivalent qualifications will be preferentially considered. All posts can, as a rule, also be filled as part-time positions if there are no compelling work-related reasons against doing so.

What are your tasks?

Your task is to contribute to the research activities outlined above. The research results shall be published at international conferences and in journals in the fields of machine learning and data engineering. You are also expected to contribute to the teaching and administrative activities of the working group. The positions provide the successful candidates with the opportunity to work towards attaining a PhD.

How can you apply?

For further information about the position or the application procedure, please contact us directly. Please submit your application by 1 August 2020 as a single PDF file containing your CV, copies of certificates/transcripts, and a brief description of your research interests sent via e-mail to:

Prof. Dr. Fabian Gieseke
Machine Learning and Data Engineering
Department of Information Systems
University of Münster
Leonardo-Campus 3
48149 Münster, Germany
E-Mail: fabian.gieseke@wi.uni-muenster.des


Bitte beziehen Sie sich in Ihrer Bewerbung auf AkademischeStellen.com

Bewerbung Alle Stellen
FACEBOOK
TWITTER
LINKEDIN

Ludwig Maximilians Universität München

Pädagogische Hochschule Bern

Rheinisch Westfalische Technische Hochschule Aachen

Ruprecht Karls Universität Heidelberg

Universität Innsbruck

Universität Luzern

Universität Passau

Universität Potsdam

Universität Rostock

Universität Salzburg

Universität zu Köln

Universität Zürich