Wissenschaftliche*r Mitarbeiter*in (w/m/d) als Post-Doc - Signal- und Systemtheorie
Wissenschaftliche*r Mitarbeiter*in (w/m/d) als Post-Doc - Signal- und Systemtheorie
Wissenschaftliche*r Mitarbeiter*in (w/m/d) als Post-Doc - Signal- und Systemtheorie
Wissenschaftliche*r Mitarbeiter*in (w/m/d) als Post-Doc - Signal- und Systemtheorie
Universität Paderborn
Fach- und Hochschulen
Paderborn
- Art der Anstellung: Vollzeit
- 50.500 € – 63.000 € (von XING geschätzt)
- Hybrid
- Zu den Ersten gehören
Wissenschaftliche*r Mitarbeiter*in (w/m/d) als Post-Doc - Signal- und Systemtheorie
Über diesen Job
Wissenschaftliche*r Mitarbeiter*in (w/m/d) als Post-Doc - Signal- und Systemtheorie
Universität Paderborn
In der Fakultät für Elektrotechnik, Informatik und Mathematik ist im Institut für Elektrotechnik – Fachgebiet Signal- und Systemtheorie – zum nächstmöglichen Zeitpunkt eine Stelle als
wissenschaftliche*r Mitarbeiter*in (w/m/d) als Post-Doc
(Entgeltgruppe 13 TV-L)
im Umfang von 100 % der regelmäßigen Arbeitszeit zu besetzen. Es handelt sich um eine Qualifizierungsstelle im Sinne des Wissenschaftszeitvertragsgesetzes (WissZeitVG), die zur Qualifizierung im Hinblick auf eine wissenschaftliche Karriere in der Postdoktoranden-Phase beitragen soll. Die Stelle ist befristet für die Dauer für einen Zeitraum von i. d. R. 3 Jahren zu besetzen.Aufgabenbereich:
- Lehrverpflichtung im Umfang von i. d. R. 4 SWS
- Mitarbeit an Spitzenforschung in den Bereichen statistische Signalverarbeitung, maschinelles Lernen und Data Science, insbesondere mit biomedizinischen Anwendungen
- Aktive Beteiligung an unseren laufenden Forschungsprojekten
- Unterstützung der Lehrtätigkeiten, insbesondere in den Bereichen Signalverarbeitung und Stochastik
Einstellungsvoraussetzungen:
- Wissenschaftlicher Hochschulabschluss (Master oder vergleichbar) und Promotion in Elektrotechnik, Computer Engineering oder einem eng verwandten Fachgebiet (z. B. Informatik, Mathematik, Statistik) von einer anerkannten Hochschule mit sehr guten Studienleistungen
- Forschungserfahrung in maschinellem Lernen und statistischer Signalverarbeitung ist wünschenswert
- Kenntnisse in Python sowie Erfahrung mit TensorFlow oder ähnlichen Frameworks für maschinelles Lernen sind von Vorteil
- Nachgewiesene Fähigkeit zu kreativem und analytischem Denken sowie Freude an der Lösung anspruchsvoller Probleme
- Sehr gute Deutsch- und Englischkenntnisse, insbesondere zur Mitarbeit in der Lehre, sind erforderlich
Wir bieten Ihnen:
- Flexible Arbeitszeitgestaltung sowie die individuelle Möglichkeit zur mobilen Arbeit
- Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten
- Attraktive Nebenleistungen wie Kinderbetreuungsmöglichkeiten und Sportangebote
- Möglichkeit zur internen und externen Fort- und Weiterbildung
- Zusätzliche Leistungen nach dem Tarifvertrag der Länder (TV-L) wie Jahressonderzahlung und vermögenswirksame Leistungen sowie die Zusatzversorgung der VBL
Bewerbungen von Frauen sind ausdrücklich erwünscht und werden gem. Landesgleichstellungsgesetz NRW (LGG) bei gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt berücksichtigt, sofern nicht in der Person eines Mitbewerbers liegende Gründe überwiegen. Teilzeitbeschäftigung ist grundsätzlich möglich. Ebenso ist die Bewerbung geeigneter Schwerbehinderter und Gleichgestellter im Sinne des Sozialgesetzbuches Neuntes Buch (SGB IX) erwünscht.
Bewerbungen mit den üblichen Unterlagen (einschließlich eines Anschreibens, Ihres Lebenslaufs, Zeugnissen, Leistungsübersichten) werden unter Angabe der Kennziffer 7019 erbeten an Prof. Peter Schreier: jobs@sst.uni-paderborn.de .
Informationen zur Verarbeitung Ihrer personenbezogenen Daten finden Sie unter:
Universität Paderborn
Standort:
jobs@sst.uni-paderborn.de
Abonnieren Sie unsere Job-Mail!
Gehalts-Prognose
Bewertung von Mitarbeitenden
Gesamtbewertung
Basierend auf 68 BewertungenVorteile für Mitarbeitende
Unternehmenskultur
Unternehmenskultur
68 Mitarbeitende haben abgestimmt: Sie bewerten die Unternehmenskultur bei Universität Paderborn als modern. Dies stimmt ungefähr mit dem Branchen-Durchschnitt überein.