Das Berlin Institute for the Foundations of Learning and Data (BIFOLD) der TU Berlin (Prof. Klaus Robert Müller) sucht für ein Agility-Teilprojekt eine*n wissenschaftliche*n Mitarbeiter*in im Bereich Maschinelles Lernen. Das Agilitätsprojekt wird in den Forschungsgruppen "Probabilistische Modellierung und Inferenz" (https://web.ml.tu-berlin.de/author/dr.-shinichi-nakajima/) unter der Leitung von Dr. Shinichi Nakajima und "Maschinelles Lernen für molekulare Simulation in der Quantenchemie" und (http://www.sgdml.org/) unter der Leitung von Dr. Stefan Chmiela durchgeführt.
Dr. Nakajimas Gruppe beschäftigt sich mit generativen Modellen und deren Anwendung in der Physik, insbesondere mit Monte-Carlo-Simulationen in der statistischen Mechanik und in Gitterfeldtheorien. Das übergeordnete Ziel des Projekts ist die Entwicklung skalierbarer und stabiler generativer Sampler, die für die unverzerrte Schätzung physikalischer und thermodynamischer Observablen verwendet werden können. Der Schwerpunkt dieser Stelle liegt auf dem hierarchischen Sampling und der Einbeziehung physikalischer Symmetrien.
Aufgabenbeschreibung
Unabhängige und verantwortungsvolle Forschung auf dem Gebiet des maschinellen Lernens. Ziel ist es, multiskalige Monte-Carlo-Sampling-Methoden mit generativen Modellen zu entwickeln, die mit den modernsten Gitter-QCD-Rechnungen vergleichbar sind.
Die Damit Verbundenen Aufgaben Sind
Entwicklung und Implementierung eines Multiskalen-Sampling-Rahmens mit generativen Modellen
Integration von physikalischem Wissen über die Zielsysteme in die Modelle, z.B. Renormierungsgruppentheorie und physikalische Symmetrien
Evaluierung der entwickelten Methoden anhand von Benchmark-Problemen und Vergleich mit modernen Basismethoden
Kommunikation der Ergebnisse durch Präsentationen
Lehraufgaben Erforderlich ist die Fähigkeit, mit einem Team von ML-Expert*innen und Physiker*innen zusammenzuarbeiten.
Erwartete Qualifikationen
Erfolgreich abgeschlossenes Hochschulstudium (Master, Diplom oder Äquivalent) in Mathematik, Physik, Informatik oder Datenwissenschaft
Nachgewiesene Erfahrung in Maschinellem Lernen und Datenwissenschaft mit einem ausgeprägten Verständnis von Algorithmen, Statistik und mathematischen Konzepten
Solide Kenntnisse in Physik, einschließlich statistischer Mechanik, Quantengitterfeldtheorie und Eichtheorie
Ausgezeichnete Programmierkenntnisse in Python und solide Kenntnisse gängiger Frameworks für Maschinelles Lernen wie PyTorch, TensorFlow oder scikit-learn.
Ausgeprägte Kommunikationsfähigkeiten in Englisch und die Fähigkeit, komplexe Themen einem breiten Publikum mit unterschiedlichem Hintergrund zu erklären (d.h. sowohl Informatiker*innen als auch Physiker*innen)
Vertrautheit mit SOTA-Maschinenlernmodellen und Ansätzen für Monte-Carlo-Simulationen in der Physik
Die Fähigkeit zum Unterrichten in deutscher und/oder in englischer Sprache wird vorausgesetzt; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben
Hinweise zur Bewerbung
Ihre schriftliche Bewerbung richten Sie bitte unter Angabe der Kennziffer mit den üblichen Bewerbungsunterlagen (d.h. mindestens Anschreiben, CV, Abschlusszeugnisse, Notenübersichten etc.) an die Technische Universität Berlin - Die Präsidentin - Fakultät IV, Institut für Softwaretechnik und Theoretische Informatik, FG Maschinelles Lernen, Prof. Dr. Müller, MAR 4-1, Marchstr. 23, 10587 Berlin oder per E-Mail (eine PDFDatei, 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.
Als PDF herunterladen
Karrierestufe
Berufseinstieg
Beschäftigungsverhältnis
Vollzeit
Tätigkeitsbereich
Sonstiges
Branchen
Bildungsverwaltungsprogramme
Mit einer Empfehlung lassen sich Ihre Chancen auf ein Vorstellungsgespräch bei Technische Universität Berlin verdoppeln.
Lassen Sie sich über neue Jobs im Bereich Wiss. Mitarbeiter*in (d/m/w) - Entgeltgruppe 13 TV-L Berliner Hochschulen - Zur Qualifizierung in Berlin informieren.
Klicken Sie auf den Link in der E-Mail, die wir an gesendet haben, um Ihre E-Mail-Adresse zu bestätigen und die Jobbenachrichtigung zu aktivieren.
Schön, dass Sie wieder da sind
Loggen Sie sich ein, um Ihre Jobbenachrichtigung für Wiss. Mitarbeiter*in (d/m/w) - Entgeltgruppe 13 TV-L Berliner Hochschulen - Zur Qualifizierung in Berlin zu erstellen.
Sparen Sie Zeit bei zukünftigen Bewerbungen
Speichern Sie einfach Ihren Lebenslauf und bewerben Sie sich in wenigen Minuten auf LinkedIn.