Stud. Beschäftigte*r (m/w/d) 41 MoStd. befristet auf 2 Jahre Kennung: 10021700-25-HK30

Der Fachbereich Wirtschaftswissenschaft bietet mit seinen Departments und Forschungsschwerpunkten Studierenden der Betriebs- und der Volkswirtschaftslehre ein breites Angebot an Themen und Kombinationsmöglichkeiten. Wenn Sie bereits als Studierende tiefgehende Einblicke in die aktuelle Forschungsarbeit der einzelnen Arbeitsbereiche erhalten, Ihre Methodenkompetenz erweitern und erlerntes Wissen gleich anwenden wollen, laden wir Sie ein als studentische*r Beschäftigte*r Teammitglied in unserer Arbeitsgruppe zu werden.

Die Vorteile:
• Arbeiten in einem offenen, international vernetzten Arbeitsumfeld
• flexible Zeiteinteilung auch und gerade während der Prüfungszeiten (inkl. Home-Office-Möglichkeit)
• idealerweise arbeiten, wo Sie und/oder andere studieren,
• als studentische*r Beschäftigte*r durch wissenschaftliche Hilfstätigkeiten (wie z. B. Recherchen und Datenerhebung in einem Forschungsprojekt ein eigenes Forschungsinteresse entwickeln.

Die Juniorprofessur für Ökonometrie entwickelt moderne ökonometrische Verfahren für die Analyse relevanter wirtschaftswissenschaftlicher Fragestellungen. Ein Schwerpunkt liegt hierbei auf Methoden aus den Bereichen Data Science, Machine Learning und Kausale Inferenz. In der Lehre bietet die Juniorprofessur einführende und fortgeschrittene Veranstaltungen zu Data Science, Ökonometrie und Causal Machine Learning an.

Aufgabengebiet:
Hauptaufgaben:
- Unterstützung bei Forschungsprojekten der Professur im Bereich der Ökonometrie, insbesondere im Bereich Causal Machine Learning / Double Machine Learning durch wiss. Hilfstätigkeiten wie Daten- und Literaturrecherche sowie Mitwirkung bei deren Aufbereitung als auch Analyse
- Mithilfe bei Forschungs- und Publikationsaktivitäten durch Unterstützung z. B. bei Drittmittelanträgen, Konferenzbeiträgen, Discussion Papers, Postern etc.
- Unterstützung der Lehrenden bei der Vorbereitung und Begleitung von Lehrveranstaltungen, u.a. in den Modulen Introduction to Data Science und Causal Machine Learning
- Unterstützung bei der Erstellung und Pflege von Lehr- und Lernmaterialien

Nebenaufgabe :
-Mithilfe bei Aufgaben (wie z. B. Pflege der Homepage)

Erwünscht:
- Studium der BWL, VWL, Statistik oder eines verwandten Faches
- erfolgreicher Abschluss der Module "Einführung in die Statistik", "Schließende Statistik", "Einführung in die Ökonometrie" oder vergleichbarer Module,
- strukturierte kommunikative Fähigkeiten und gutes Zeitmanagement
- ausgeprägtes Interesse an statistischen Methoden, Programmierung und empirischer volkswirtschaftlicher Forschung
- Vorkenntnisse in der Programmierung mit Python oder sehr gute Kenntnisse vergleichbarer Statistik-Software
- Kenntnisse in weiterführenden statistischen Fragestellungen
- gute Deutsch- und Englischkenntnisse (Niveau: Deutsch C1, Englisch B2)
- Teamfähigkeit, Zuverlässigkeit und verantwortungsbewusste Arbeitsweise

Die Geschlechtsidentität lässt sich nicht aus dem Namen oder dem Aussehen schließen, daher bitten wir Sie, uns mitzuteilen, wie wir Sie erfassen sollen (weiblich, männlich, divers) oder ob Sie dazu keine Angaben machen möchten. Wir freuen uns auch über einen Hinweis, wie wir Sie ansprechen dürfen (Herr, Frau oder lieber geschlechtsneutral) und welche Pronomen Sie für sich benutzen.

Weitere Informationen

Bewerbungen sind mit aussagekräftigen Unterlagen unter Angabe der Kennung im Format PDF (vorzugsweise als ein Dokument) elektronisch per E-Mail zu richten an Herrn Prof. Dr. Philipp Bach: philipp.bach@fu-berlin.de oder per Post an die

Freie Universität Berlin

Boltzmannstr. 20

14195 Berlin (Dahlem)

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 von Seiten der Freien Universität Berlin keine Gewähr für die Sicherheit übermittelter persönlicher Daten übernommen werden kann.