Wiss. Mitarbeiter*in (d/m/w) – Entgeltgruppe 13 TV-L Berliner Hochschulen – Zur Qualifizierung

Stellenbezeichnung: Wiss. Mitarbeiter*in (d/m/w) – Entgeltgruppe 13 TV-L Berliner Hochschulen – Zur Qualifizierung

Firma: Technische Universitat Berlin

Arbeitsort / Location: Berlin

Job Beschreibung: Die TU Berlin versteht sich als international renommierte Universität in der deutschen Hauptstadt, im Zentrum Europas. Eine scharfe Profilbildung, herausragende Leistungen in Forschung und Lehre, die Qualifikation von sehr guten Absolventinnen und Absolventen und eine moderne Verwaltung stehen im Mittelpunkt ihres Agierens. Ihr Streben nach Wissensvermehrung und technologischem Fortschritt orientiert sich an den Prinzipien von Exzellenz und Qualität.

Bei der Technischen Universität Berlin ist/sind folgende Stelle/n zu besetzen:

Wissenschaftliche*r Mitarbeiter*in (d/m/w) – Entgeltgruppe 13 TV-L Berliner Hochschulen – Zur Qualifizierung

Teilzeitbeschäftigung ist ggf. möglich

Das Berlin Institute for the Foundations of Learning and Data (BIFOLD) der Technischen Universität Berlin (Prof. Dr. Klaus-Robert Müller) sucht für ein Agility-Teilprojekt eine*n wissenschaftliche*n Mitarbeiter*in im Bereich Maschinelles Lernen. Das Agilitäts­projekt wird in enger Kooperation mit dem Projekt „The Sphere. Knowledge System Evolution and the Shared Scientific Identity of Europe“ von Prof. Dr. Matteo Valleriani am Max-Planck-Institut für Wissenschaftsgeschichte in Berlin durchgeführt.

Die AG Valleriani entwickelt Algorithmen zur Untersuchung von Wissenssystemen in der Wissenschaftsgeschichte. Aufbauend auf einem Datensatz, der aus astronomischen Traktaten der frühen Neuzeit (ca. 1450 – 1650) extrahiert wurde, ist das Gesamtziel des Projektes, Mechanismen der Wissensevolution zu identifizieren und diese Prozesse zu quantifizieren.

Daten beziehen sich auf Texte, Bilder und numerische computationale Tabellen.

Fakultät IV – Institut für Softwaretechnik und Theoretische Informatik / FG Maschinelles Lernen (ML)

Kennziffer: IV-399/23 (besetzbar ab sofort / befristet für 3 Jahre / Bewerbungsfristende 18.08.2023)

Selbstständige und verantwortliche Forschung im Bereich Maschinelles Lernen. Ziel ist es, semantische Beziehungen zwischen Texten quantitativ zu bestimmen.

Die Aufgaben dabei sind:

• Datenextraktion aus über 110.000 Seiten des Sphaera-Korpus
• Aufbau effizienter Bildsegmentierungs­pipelines und Feinabstimmung von OCR-Ansätzen zur Anpassung an verschiedene frühneuzeitliche Druckstile und Sprachen
• Verbesserung der Spracherkennung für unterrepräsentierte Sprachen durch Transfer moderner Sprachtechnologie z. B. Large Language Models
• Entwicklung und Analyse von Ansätzen für die Gewinnung historischer Erkenntnisse aus den Ergebnissen
• Kommunikation der Ergebnisse durch Präsentationen
• Mithilfe bei der Pflege und Erweiterung der Sphaera-Datenbank (semantische Technologien)

Erforderlich ist die Fähigkeit mit einem Team von Historiker*innen und weiteren ML‑Expert*innen zu interagieren.

• erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) in Mathematik, Physik, Informatik, Data Science, Digital Humanities
• nachgewiesene Erfahrung in den Bereichen maschinelles Lernen und Data Science mit einem ausgeprägten Verständnis von Algorithmen, Statistik und mathematischen Konzepten
• sehr gute Programmierkenntnisse in Python, und solide Kenntnisse gängiger Frameworks für maschinelles Lernen wie PyTorch, TensorFlow oder scikit-learn
• solide Kenntnisse von SQL und SPARQL für effiziente Datenextraktion, ‑manipulation und ‑analyse
• gute Kenntnisse der Datenstruktur von Wissensgraphen sind wünschenswert (z. B. RDFDatenstruktur)
• gutes Verständnis der Netzwerkanalyse
• Erfahrung mit Versionskontrollsystemen (z. B. Git)
• Erfahrung mit Docker-Containern ist ein Plus
• ausgeprägte Kommunikationsfähigkeiten in englischer Sprache und die Fähigkeit, komplexe Themen einem breiten Publikum aus verschiedenen Bereichen zu erklären (d. h. sowohl Historiker*innen als auch Informatiker*innen)
• Grundkenntnisse in HTML und JavaScript sind wünschenswert
• Vertrautheit mit SOTA Machine-Learning-Modellen und Ansätzen
• Vertrautheit mit Explainable Artificial Intelligence (XAl)
• sehr gute Englischkenntnisse; Deutschkenntnisse von Vorteil

Gehalts Budget:

Bewerbung:Auf diesen Job bewerben.

Oder lassen Sie sich von Arbeitgebern finden.

Hier Lebenslauf als Gesuch eintragen!