• Selbständige und eigenverantwortliche Forschung im Bereich Maschinelles Lernen mit einem Schwerpunkt auf unüberwachtem Lernen und Erklärbarkeit
• Leitung, Koordination und Akquise von Drittmittelprojekten
• Weiterentwicklung von Lerntheorien
• Theorie und Praktische Anwendung von ML Methoden in Anomalie-Erkennung, Clustering und unüberwachter Datenanalyse
• Entwicklung von robusten und interpretierbaren Modellen zur Vermeidung irreführender Muster (z.B. Scheinkorrelation) Anwendungen auf Big Data in wissenschaftlichen Einsatzgebieten (z.B. in den
  Naturwissenschaften, Lebenswissenschaften, und Digital Humanities)
• Lehre: Selbstständige Organisation und Durchführung von Lehrveranstaltungen sowie den dazugehörigen Prüfungen

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) und Promotion im Bereich Informatik, Mathematik oder Physik
• Nach Abschluss des Hochschulstudiums mindestens dreijährige wissenschaftliche oder fachpraktische Tätigkeit in einem hauptberuflichen Arbeitsverhältnis
• Mehrjährige Erfahrung als wissenschaftliche*r Mitarbeiter*in im Bereich Intelligente Datenanalyse und Maschinelles Lernen
• Lehr-und Betreuungserfahrung im Bereich Maschinelles Lernen und angrenzenden Gebieten
• Die Fähigkeit zum Unterrichten in deutscher und/oder in englischer Sprache wird vorausgesetzt; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben
• Umfangreiche, vertiefte Kenntnisse auf den Gebieten:
  o Lerntheorie
  o ML-basierte Anomalie-Erkennung, Clustering und Datenanalyse
  o Entwicklung robuster und interpretierbarer Modelle mit Fokus auf Modellzuverlässigkeit und Validität
  o Anwendung von ML in den Wissenschaften
• Erfahrung bei der Publikation in hochrangigen internationalen Fachzeitschriften ist von Vorteil
• Erfahrungen in der internationalen wissenschaftlichen Zusammenarbeit, z.B. durch Forschungsaufenthalte im Ausland sind von Vorteil
• Erfahrung in der Entwicklung und Weiterentwicklung von Lehrmaterialien und innovativen Lehrkonzepten ist wünschenswert
• Bereitschaft zur akademischen Selbstverwaltung und dem Wissenschaftsmanagement beizutragen ist erwünscht

Ihre Bewerbung richten Sie bitte unter Angabe der Kennziffer mit den üblichen Bewerbungsunterlagen (Anschreiben, Lebenslauf, Zeugnisse, Empfehlungsschreiben - eine PDF-Datei, max. 5 MB) per E-Mail an Prof. Dr. Klaus-Robert Müller ( sekr@ml.tu-berlin.de ).

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