Blätter-Navigation

Offre 340 sur 426 du 24/02/2023, 08:45

View offer in language:AllemandeAnglais
logo

Tech­ni­sche Uni­ver­sität Ber­lin - Fakul­tät IV - The Ber­lin Insti­tute for the Foun­da­ti­ons of Data and Lear­ning (BIFOLD)

Wiss. Mit­ar­bei­ter*in (d/m/w) - Ent­gelt­gruppe 13 TV-L Ber­li­ner Hoch­schu­len - Zur Qua­li­fi­zie­rung

Teil­zeit­be­schäf­ti­gung ist ggf. mög­lich

Das Ber­lin Insti­tute for the Foun­da­ti­ons of Lear­ning and Data (BIFOLD) der TU Ber­lin sucht für die unab­hän­gige For­schungs­gruppe "Intel­li­gente Bio­me­di­zi­ni­sche Sen­so­rik (IBS)" unter der Lei­tung von Dr.-Ing. Alex­an­der von Lüh­mann ein/e wiss. Mit­ar­bei­ter/in zur Mit­ar­beit in inter­dis­zi­pli­nä­ren Pro­jek­ten, in denen die Ent­wick­lung von neuen Metho­den zur Iden­ti­fi­ka­tion und Extrak­tion von robus­ten mul­ti­moda­len Bio­mar­kern für neu­ro­nale und peri­pher-phy­sio­lo­gi­sche Akti­vie­rung im Vor­der­grund ste­hen.

Die For­schungs­gruppe IBS ent­wi­ckelt minia­tu­ri­sierte trag­bare Neu­ro­tech­no­lo­gie und am Kör­per getra­gene Sen­so­ren sowie Metho­den des Maschi­nel­len Ler­nens für die Erfas­sung von Signa­len aus dem Gehirn und dem Kör­per unter natür­li­chen Bedin­gun­gen der All­tags­welt. Die Gruppe kon­zen­triert sich auf die mul­ti­modale Ana­lyse phy­sio­lo­gi­scher Signale im Bereich der dif­fu­sen Optik (z.B. fNIRS) und Bio­po­ten­tiale (z.B. EEG).

Aufgabenbeschreibung:

  • Selbst­stän­dige und ver­ant­wort­li­che Erfor­schung von ML-basier­ten Metho­den und Model­len für robuste Neu­ro­tech­no­lo­gie in mobi­len Anwen­dun­gen
  • Erfor­schung von Model­len und Metho­den für phy­sio­lo­gisch-infor­mierte mul­ti­modale Hirn­bild­ge­bung und sin­gle-trial Ana­lyse
  • Ent­wick­lung von Metho­den zur ML-gestütz­ten Ana­lyse und Quel­len­tren­nung mul­ti­moda­ler Bio­si­gnale und zur Iden­ti­fi­ka­tion phy­sio­lo­gi­scher Trans­fer­funk­tio­nen
  • Wis­sen­schaft­li­ches Publi­zie­ren und Mög­lich­keit zur Pro­mo­tion
  • Lehr­auf­ga­ben

Erwartete Qualifikationen:

  • Erfolg­reich abge­schlos­se­nes wis­sen­schaft­li­ches Hoch­schul­stu­dium (Mas­ter, Diplom oder Äqui­va­lent) der Infor­ma­tik, Inge­nieur­wis­sen­schaf­ten, oder einem ähn­li­chen tech­ni­schen Fach, Abge­schlos­sene Pro­mo­tion von Vor­teil aber nicht not­wen­dig.
  • Sehr gute Kennt­nisse von Metho­den des maschi­nel­len Ler­nens oder der Bio­si­gnal­ver­ar­bei­tung, ins­be­son­dere Zeit­rei­hen­ana­lyse, unüber­wach­ter Quel­len­tren­nung oder tiefe neu­ro­nale Netze
  • Sehr gute Pro­gram­mier­kennt­nisse (ins­be­son­dere in Python, auch Mat­lab), Erfah­rung mit ML-und linea­ren Alge­bra-Biblio­the­ken (NumPy, sklearn, PyTorch, Ten­sor­Flow, etc.), und Ver­si­ons­kon­troll­werk­zeu­gen
  • Sehr gute Eng­lisch­kennt­nisse in Wort und Schrift; die Fähig­keit zum Unter­rich­ten, sowohl in deut­scher, als auch in eng­li­scher Spra­che wird vor­aus­ge­setzt
  • Team­fä­hig­keit und gute Kom­mu­ni­ka­ti­ons­fä­hig­kei­ten
  • Krea­ti­vi­tät, aus­ge­prägte ana­ly­ti­sche und kon­zep­tio­nelle Fähig­kei­ten
  • Inter­esse und Spaß an Spit­zen­for­schung, ein hohes Maß an Eigen­in­itia­tive, Eigen­mo­ti­va­tion und Ergeb­nis­ori­en­tie­rung

Es ist von Vor­teil:
  • Erfah­rung im wis­sen­schaft­li­chen Arbei­ten
  • Prak­ti­sche Erfah­rung in der expe­ri­men­tel­len und tech­ni­schen Erfas­sung von mul­ti­va­ria­ten Bio­si­gna­len (z.B. EEG, fNIRS, ...)
  • Hands-On Men­ta­li­tät und Erfah­rung mit Elek­tro­tech­nik oder Expe­ri­men­tel­len Auf­bau­ten
  • Inter­dis­zi­pli­näre und koope­ra­tive Pro­jekt­er­fah­rung

For­schungs­um­ge­bung
  • Span­nende und anspruchs­volle For­schungs­be­rei­che
  • Inter­na­tio­nal renom­mier­tes und enga­gier­tes Team
  • Enge Zusam­men­ar­beit mit vie­len renom­mier­ten For­schungs­ein­rich­tun­gen

Hinweise zur Bewerbung:

Ihre schrift­li­che Bewer­bung rich­ten Sie bitte unter Angabe der Kenn­zif­fer mit den übli­chen Bewer­bungs­un­ter­la­gen an die Tech­ni­sche Uni­ver­si­tät Ber­lin - Die Prä­si­den­tin - Fakul­tät IV, Insti­tut für Soft­ware­tech­nik und Theo­re­ti­sche Infor­ma­tik, BIFOLD - IRG Lüh­mann, Dr. Alex­an­der von Lüh­mann, MAR 4-1, March­str. 23, 10587 Ber­lin oder per E-Mail (eine PDF-Datei, max. 5 MB) an: jobs@bifold. ber­lin.

Aus Kos­ten­grün­den wer­den pos­ta­lisch zuge­sandte Bewer­bungs­un­ter­la­gen nicht zurückge­sandt. Bitte rei­chen Sie nur Kopien ein.

Mit der Abgabe einer Online­be­wer­bung geben Sie als Bewer­ber*in Ihr Ein­ver­ständ­nis, dass Ihre Daten elek­tro­nisch ver­ar­bei­tet und gespei­chert wer­den. Wir wei­sen dar­auf hin, dass bei unge­schütz­ter Über­sen­dung Ihrer Bewer­bung auf elek­tro­ni­schem Wege keine Gewähr für die Sicher­heit über­mit­tel­ter per­sön­li­cher Daten über­nom­men wer­den kann. Daten­schutz­recht­li­che Hin­weise zur Ver­ar­bei­tung Ihrer Daten gem. DSGVO fin­den Sie auf der Web­seite der Per­so­nal­ab­tei­lung:
https://www.abt2-t.tu-berlin.de/menue/themen_a_z/datenschutzerklaerung/ oder Direkt­zu­gang: 214041.

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.