PhD positions in physics-enhanced machine learning (m/f/d)

21.06.2024, Wissenschaftliches Personal

Wir suchen zwei motivierte Forscher mit einem Hintergrund in Mathematik oder Informatik (Master-Abschluss). Sie werden in der Gruppe von Prof. Felix Dietrich an Methoden für physikgestütztes maschinelles Lernen arbeiten.

Über uns
Die Technische Universität München (TUM) in der bayerischen Landeshauptstadt ist mit über 40.000 Studierenden eine der besten Universitäten der Welt. Sie ist der Exzellenz in Forschung und Lehre, der interdisziplinären Ausbildung und der aktiven Förderung des wissenschaftlichen Nachwuchses verpflichtet. Die TUM profitiert von der gesunden Mischung aus Unternehmen und Start-ups aller Größenordnungen, die in der Region angesiedelt sind, und ist eng mit den regionalen Forschungskliniken verbunden. Darüber hinaus pflegt die Universität enge Kontakte zu Unternehmen und wissenschaftlichen Einrichtungen in aller Welt.


Beschreibung
Wir suchen zwei motivierte Personen für jeweils eine Doktorand:innen-Stelle an der TUM. Die Vergütung ist 100% TVL E13 (PhD-Stelle), entsprechend den Tarifen des deutschen öffentlichen Dienstes, sofern alle Bedingungen erfüllt sind. Sie werden während Ihrer Zeit hier genug Zeit bekommen um eine Doktorarbeit zu schreiben.

Sie werden mit der Forschungsgruppe "Physics-Enhanced Machine Learning" von Prof. Dr. Felix Dietrich an der TUM zusammenarbeiten. Wir sind stolz darauf, eine sehr internationale Gruppe mit derzeit einer Postdoc (W) und sechs Doktorand:innen (3W, 3M) zu sein. Als wissenschaftlicher Mitarbeiter oder Mitarbeiterin arbeiten Sie an Algorithmen des maschinellen Lernens, um physikalische Systeme besser zu verstehen, und lassen sich von wissensbasierten Ansätzen inspirieren, um allgemeine Algorithmen des maschinellen Lernens zu verbessern. Sie können sich für die Position SOFTWARE oder MATHEMATIK (oder beide) bewerben. Abhängig von Ihren Fähigkeiten können Sie an Themen rund um maschinelles Lernen in der Informatik (einschließlich Softwareentwicklung) oder an Themen im Zusammenhang mit der zugrunde liegenden Theorie und Mathematik von Algorithmen des maschinellen Lernens arbeiten. Auf der Homepage können Sie mögliche Forschungsthemen finden, sowie Software und Forschungsartikel auf Google scholar.

Voraussetzungen (SOFTWARE)

• Masterabschluss (innerhalb der nächsten drei Monate) in Informatik, Mathematik, oder in einem ähnlichem Gebiet.
• Erfahrung mit Softwareentwicklung in Python.
• Erfahrung in Methodenentwicklung für Machine Learning.
• Optional, ideal: Erfahrung im wissenschaftlichen Rechnen (computational fluid dynamics, Lösung Linearer Systeme, High-performance computing, usw.).
• Soft skills: analytisches Denken, strukturiertes und gut organisiertes Arbeiten, hohe intrinsische Motivation.
• Für E14: Führungserfahrung (von Doktorand:innen oder Masterstudierenden).

Voraussetzungen (MATHEMATIK)

• Masterabschluss (innerhalb der nächsten drei Monate) in Informatik, Mathematik, oder in einem ähnlichem Gebiet.
• Erfahrung in harmonischer Analysis, Funktionalanalysis, und/oder numerischer Analysis.
• Erfahrung in der Analyse von Methoden des maschinellen Lernens.
• Optional, ideal: Erfahrung im wissenschaftlichen Rechnen (computational fluid dynamics, Lösung Linearer Systeme, High-performance computing, usw.).
• Soft skills: analytisches Denken, strukturiertes und gut organisiertes Arbeiten, hohe intrinsische Motivation.

Wie bewerbe ich mich?
Bitte schicken Sie Ihre Bewerbung mit Betreff "Postdoc position: PhysML" an phdapplications@mailsccs.in.tum.de (Deadline: 15.07.2024 EOD), mit folgendem Anhang (alles in einem PDF):

• Eine Seite Motivationsschreiben: Warum wollen Sie als Doktorand:in arbeiten, warum an Machine Learning Algorithmen, warum entweder MATHEMATIK oder SOFTWARE, warum in der Gruppe von Prof. Dietrich, warum an der TUM?
• Lebenslauf mit Beschreibung des Themas des Masters, Publikationen, akademischer Laufbahn, (optional) Industrieerfahrung, (optional) Grants / Fundingerfahrung.
• Notenblatt aus dem Master.
• Namen von einer oder zwei Kontaktpersonen (wir werden diese Personen eventuell nach Referenzschreiben bitten).

Beachten Sie, dass die TUM das strategische Ziel verfolgt, die Diversität ihres Personals deutlich zu erhöhen. Als Chancengleichheit und "Affirmative Action" Arbeitgeber fördert TUM ausdrücklich Nominierungen und Bewerbungen von Frauen ebenso wie von allen anderen, die zusätzliche Diversity-Dimensionen einbringen. Behinderte Kandidaten mit gleicher Qualifikation werden bevorzugt. Internationale Bewerberinnen und Bewerber werden ausdrücklich ermutigt, sich zu bewerben. Teilzeitbeschäftigung ist grundsätzlich möglich.

Kontakt
Prof. Dr. Felix Dietrich
phdapplications@mailsccs.in.tum.de
www.fd-research.com/contact
Link zur TUM-Seite

Kontakt: Prof. Dr. Felix Dietrich