Rechercheaufgaben:

• Literaturrecherche zu aktuellen GNN-Architekturen und ihren Einsatzfeldern
• Vergleich existierender Methoden für Link Prediction in Knowledge Graphs
• Analyse von Benchmarks und Evaluationsmetriken für Link Prediction
• Recherche von Best Practices für den Umgang mit Ontologien im IT-Asset-Management

Studiengänge:

• Informatik
• Wirtschaftsinformatik
• Data Science / Künstliche Intelligenz
• Naturwissenschaften mit Schwerpunkt in Data Science

Studienschwerpunkte:

• Maschinelles Lernen / Deep Learning
• Netzwerkanalyse oder Graphentheorie
• Datenbanken
• Künstliche Intelligenz
• Softwarearchitektur

Fachkenntnisse:

• Grundverständnis von Knowledge Graphs und Ontologien und/oder hohe Bereitschaft sich darin einzuarbeiten
• Kenntnisse in Machine Learning / Deep Learning
• Verständnis von Graph Neural Networks (GCN, GAT, R-GCN) und Bereitschaft sich tief einzuarbeiten
• Grundlagen von Evaluationsmethoden (Accuracy, Precision, Recall, F1-Score)
• Kenntnisse über Ontologieoptimierung bzw. Datenqualität wären ein Plus

IT-Kenntnisse:

• Python
• Erfahrung mit PyTorch oder Tensorflow/Keras
• Erfahrung mit Networkx oder vergleichbaren Graph-Libraries
• Umgang mit Excel/CSV-basierten Datenquellen
• (Optional) Kenntnisse in Cloud Systeme vorzugsweise Azure

Softskills:

• Analytisches Denken und hohe Eigenmotivation, sich in komplexe Themen einzuarbeiten
• Fähigkeit zu wissenschaftlichen Literaturarbeit
• Selbstständigkeit bei Problembearbeitung, aber auch Teamfähigkeit im Austausch mit Betreuern
• Sauberes wissenschaftliches Arbeiten