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

Fakultät IV - The Berlin Institute for the Foundations of Learning and Data (BIFOLD) / FG Quality and Usability Lab

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 Leaming and Data (BIFOLD) der TU Berlin (Prof.

Klaus Robert Müller / Prof. Volker Markl) sucht für ein Agility-Teilprojekt eine*n wissenschaftliche*n Mitarbeiter*in im Bereich Maschinelles Lernen und Computerlinguistik.

Das Projekt wird in enger Kooperation mit dem Deutschen Herzzentrum der Charité (DHZC) in der Arbeitsgruppe "Clinical Data Science", welche von Prof. Alexander Meyer geleitet wird, und

dem Deutschen Forschungszentrum für Künstliche Intelligenz in der Arbeitsgruppe "Speech and Language Technology", welche von Prof. Sebastian Möller geleitet wird, durchgeführt.

Die AG von Prof. Meyer behandelt Medical Data Science, Big Data Analytics, Angewandtes Maschinelles Lernen, Medizinische Informatik, und Kardiovaskuläre Medizin. Die AG von Prof.

Möller fokussiert sich auf angewandte Informationsextraktion, Erstellung von Textkorpora und Erklärbarkeit.

Aufgabenbeschreibung

Die Ziele des Projekts "Illuminate Cardio" sind: a) die Identifizierung und Bereitstellung medizinischer Guidelines und Patientendaten aus den Ressourcen des DHZC, b) der Vergleich und die Implementierung von Methoden, die in Evaluierungsprogrammen von Textqualität und Erklärungen verwendet werden können, c) die Entwicklung von Methoden, die medizinische Informationen sowohl akkurat als auch verständlich abbilden können, d) den Aufbau und Einsatz von Digital Health Interfaces (DHis) im DHZC, und e) die Durchführung von Langzeitstudien mit Patienten und medizinischem Personal, die mit DHIs interagieren.

Wir erwarten in diesem Projekt selbstständige und verantwortliche Forschung in den beschriebenen Bereichen, aber auch die Evaluation alternativer Ansätze.

Erwartete Qualifikationen

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) in Computerlinguistik oder Informatik
• Erfahrung in Verarbeitung natürlicher Sprache und des Maschinellen Lernens
• Erfahrung im Durchführen von Nutzerstudien (Erstellen von Guidelines für die Annotation, Einweisung von Annotatoren, Konsolidierung und Visualisierung von Ergebnissen)
• Sehr gute Programmierkenntnisse in Python, insbesondere in den BibliothekenPyTorch/TensorFlow
• Sprachkenntnisse: Die Fähigkeit zum Unterrichten in deutscher und/oder in englischer Sprache wird vorausgesetzt; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben
  
  

Wünschenswert

• Lust auf die Arbeit in einem agilen und lebendigen internationalen und interdisziplinären Umfeld
  
  

Vorkenntnisse in einem oder mehreren der folgenden Bereiche sind von Vorteil:

• Erklärbarkeit und Interpretierbarkeit
• Mensch-Maschine-Interaktion, z.B. die Entwicklung interaktiver Benutzeroberflächen und
• Visualisierungen
• Informationsextraktion, z.B. aus medizinischen Texten
• Erstellung und Kuration von Textkorpora
  
  

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, FG Quality and Usability, Prof. Dr.

Möller, TEL 18, Ernst-Reuter-Platz 7, 10587 Berlin oder per E-Mail (eine PDF Datei, max. 5 MB) an: *bewerbung@qu.tu-berlin.de. Die Unterlagen sollten in jedem Falle ein aussagekräftiges Anschreiben, Lebenslauf und Zeugnisse beinhalten.

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.

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