Wiss. Mitarbeiter*in - PostDoc (d/m/w)

Technische Universität Berlin; Berlin; Vor Ort; EUR 52.000 - 64.000; Teilzeit

Zusammenfassung

Die Technische Universität Berlin sucht eine/n wissenschaftliche/n Mitarbeiter/in – PostDoc (d/m/w) im Fachbereich Mathematik, FG Stochastische Analysis. Im DFG-Projekt arbeiten Sie an mathematischen Grundlagen generativer Modelle und deren numerischer Umsetzung.

Sie bringen Promotion in Mathematik oder verwandtem Gebiet, exzellente Python-Kenntnisse und starke Englischkenntnisse mit. Kooperationen mit internationalen Partnern sind vorgesehen.

Qualifikationen

• Abgeschlossenes Hochschulstudium (Master/Diplom) in Mathematik oder eng verwandtem Fach.
• Promotion in Mathematik oder verwandtem Gebiet.
• Exzellente Kenntnisse in der Mathematik des maschinellen Lernens.
• Exzellente Programmierkenntnisse in Python.
• Exzellente Englischkenntnisse in Wort und Schrift.
• Kenntnisse in stochastischer Analysis erwünscht.

Aufgaben

• Mitwirkung an der Forschung am Institut für Mathematik im Rahmen des DFG-Projekts.
• Untersuchung mathematischer Fundierung, Stabilität und numerischer Realisierung generativer Modelle.
• Forschung in Diffusionsmodellen, Transformer-Modellen und Scientific ML.
• Publikationen erstellen und Ergebnisse präsentieren.

Kenntnisse

Python

Mathematische ML-Fundierung

Englische Kommunikation

Forschungsfähigkeiten

Ausbildung

Master oder Diplom in Mathematik oder verwandtem Fach

Promotion in Mathematik oder eng verwandtem Gebiet

Tools

Git

Jupyter

Jobbeschreibung

• Scientific Machine Learning

Fakultät II - Mathematik und Naturwissenschaften, Institut für Mathematik / FG Stochastische Analysis

Wiss. Mitarbeiter*in - PostDoc (d/m/w)

Teilzeitbeschäftigung ist ggf. möglich

Ihre Aufgaben

Mitarbeit in Forschung am Institut für Mathematik im Rahmen des gemeinsamen DFG-Projekts "Numerically Efficient Learning of Generative Models and Beyond" in den Arbeitsgruppen von Prof. Dr. Benjamin Gess und Prof. Dr. Gabriele Steidl

Das Projekt befasst sich mit mathematischen Fragestellungen im Bereich der künstlichen Intelligenz. Zu den Aufgaben gehören insbesondere:

• Forschung zur mathematischen Fundierung, Stabilität, Effizienz und numerischen Realisierung generativer Modelle
• Forschung in einem oder mehreren der folgenden Bereiche:
• effiziente Diffusionsmodelle und geometrieinformierte Modellierung
• Transformer-Modelle
• Scientific Machine Learning
• Nesterov- und Anderson-Beschleunigung sowie Newton-Verfahren im maschinellen Lernen

Die Forschung erfolgt in Kooperation mit der Tsinghua University, Beijing (Ch. Bao), und der Wuhan University (Y. Jiao).

Ihr Profil

Die fachlichen Kenntnisse können insbesondere durch einschlägige Studienleistungen, Abschlussarbeiten, Forschungsprojekte und/oder Publikationen nachgewiesen werden. Einschlägige wissenschaftliche Publikationen werden vorausgesetzt.

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) und eine zum Zeitpunkt der Einstellung abgeschlossene Promotion in Mathematik oder einem eng verwandten Fachgebiet
• exzellente Kenntnisse in der Mathematik des maschinellen Lernens, insbesondere zu generativen Modellen
• exzellente Programmierkenntnisse, insbesondere in Python
• exzellente Englischkenntnisse in Wort und Schrift
• Kenntnisse in stochastischer Analysis erwünscht
• Kenntnisse in Optimierungsverfahren und deren mathematische Analyse von Vorteil
• Erfahrung mit numerischen Verfahren im maschinellen Lernen wünschenswert

Weitere Informationen zur Stelle erteilt Ihnen Anastasiia Olshevska ([e-mail]).

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. Bewerbungen von Menschen aller Nationalitäten und mit Migrationshintergrund sind herzlich willkommen.

Als PDF herunterladen