Doktorand*in in der Arbeitsgruppe für Applied and Computational Mathematics in der Fakultät 4
Doktorand*in in der Arbeitsgruppe für Applied and Computational Mathematics in der Fakultät 4
Doktorand*in in der Arbeitsgruppe für Applied and Computational Mathematics in der Fakultät 4
Doktorand*in in der Arbeitsgruppe für Applied and Computational Mathematics in der Fakultät 4
Bergische Universität Wuppertal
Fach- und Hochschulen
Wuppertal
- Art der Anstellung: Teilzeit
- Vor Ort
- Zu den Ersten gehören
Doktorand*in in der Arbeitsgruppe für Applied and Computational Mathematics in der Fakultät 4
Über diesen Job
Die Bergische Universität Wuppertal ist eine dynamische, vernetzte, forschungs-orientierte Campusuniversität. Gemeinsam stellen sich hier mehr als 25.000 Forschende, Lehrende, Studierende und Mitarbeitende den Herausforderungen in Wissenschaft, Bildung, Kultur, Ökonomie, Sozialem, Technik und Umwelt.
In der Fakultät für Mathematik und Naturwissenschaften, in der Arbeitsgruppe für Applied and Computational Mathematics, suchen wir Unterstützung.
IHRE AUFGABEN
Wissenschaftliche*r
Mitarbeiter*in (Doktorand*in)
- Anwendung von Lidar-Objektdetektionsmethodik zur Nachverfolgung von Verkehrsteilnehmer*innen
- Entwicklung neuer Methoden zur Schätzung von Verkehrsflüssen unter unvollständiger Information
- Entwicklung eines Digitalen Zwillings von Verkehrsflüssen
- Durchsuchbarkeit der entstehenden Datenbasis von Verkehrsflüssen durch textuelles Prompting
- Eigenständige Arbeit im Projekt und in Kooperationen mit den Projektpartner*innen
- Erstellen von Wissenschaftlichen Publikationen und Projektberichten
Das Projekt LiDiMover, gefördert durch das Land Nordrhein-Westfalen und die Europäische Union, beschäftigt sich mit digitalen Zwillingen von Verkehrsströmen im Kontext Smart City. Die Ausschreibung dieser Stelle findet unter Vorbehalt der finalen Förderzusage für das Projekt LiDiMover durch den Fördergeber statt.
IHR PROFIL
Erforderlich:
- Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder vergleichbar) im Fach Informatik, Mathematik, Physik oder vergleichbar
- Kandidat*in beherrscht mindestens eine Programmiersprache
- Kandidat*in hat einen Schwerpunkt in Deep Learning, Maschinelles Lernen, Statistik, Signalverarbeitung oder Optimierung
Wünschenswert:
- Kandidat*in hat bereits mit einem Schwerpunkt Maschinelles Lernen studiert oder gearbeitet
- Erfahrungen im Bereich LiDAR-Signalverarbeitung mit Deep Learning
- Erfahrungen im Bereich 3D-Objekt-Detektion
- Kenntnisse mit gängigen Deep Learning Frameworks, z.B. PyTorch
- Kenntnisse in Python-Programmierung
Es handelt sich um eine Qualifizierungsstelle im Sinne des
Wissenschaftszeitvertragsgesetzes (WissZeitVG), die zur Förderung der folgenden
wissenschaftlichen oder künstlerischen Qualifizierung besetzt werden kann: Erwerb von
Berufserfahrungen bei der Durchführung des Projektes „LiDiMover“.
Die Laufzeit des Arbeitsvertrages wird der angestrebten wissenschaftlichen
Qualifizierung angemessen gestaltet.
Beginn
01.01.2026
Dauer
befristet bis 31.12.2028
Stellenwert
E 13 TV-L
Umfang
Teilzeit 75 % der tariflichen Arbeitszeit
Kennziffer
25253
Ansprechpartner*in
Herr Prof. Dr. Matthias Rottmann
[E-Mail Adresse gelöscht]
Bewerbungen über
stellenausschreibungen.uni[Website-Link gelöscht]
Bewerbungsfrist
22.09.2025
An der Bergischen Universität schätzen wir die individuellen und kulturellen Unterschiede unserer Universitätsangehörigen und setzen uns für Gleichstellung, Chancengerechtigkeit und die Vereinbarkeit von Familie und Beruf ein. Bewerbungen von Menschen jeglichen Geschlechts sowie von Menschen mit Schwerbehinderung und ihnen gleichgestellten Personen sind willkommen. Frauen werden nach Maßgabe des Landesgleichstellungsgesetzes NRW bevorzugt berücksichtigt, sofern nicht in der Person eines Mitbewerbers liegende Gründe überwiegen. Die Rechte von Menschen mit einer Schwerbehinderung, bei gleicher Eignung bevorzugt berücksichtigt zu werden, bleiben unberührt.
Bewerbungen umfassen alle notwendigen Unterlagen (Anschreiben, Lebenslauf, Nachweis des abgeschlossenen Hochschulstudiums, Arbeitszeugnisse, ggf. Nachweis einer Schwerbehinderung). Unvollständig eingereichte Bewerbungen können nicht berücksichtigt werden!
.