Login
Register
Hilfe
Documentation
News Articles published within the last 30 days.
29.04.2024
Nichtwissenschaftliches Personal:
eine Verwaltungsangestellte / einen Verwaltungsangestellten (m/w/d)
Wir suchen für das School Office der School of Computation, Information and Technology (CIT) der
Technischen Universität München am Standort Garching bei München zum nächstmöglichen Zeitpunkt
eine Verwaltungsangestellte / einen Verwaltungsangestellten (m/w/d)
(CIT2024-27)
Mehr
Kontakt: jobs@cit.tum.de
29.04.2024
Studentische Hilfskräfte, Praktikantenstellen, Studienarbeiten:
Kommunikative Studentische Hilfskräfte (m/w/d)
Die Studieninformation der Technischen Universität München sucht zum 01.06.2024 kommunikative studentische Hilfskräfte zur Unterstützung. Wir sind hochschulweit die erste Anlaufstelle für Studieninteressierte, Studienbewerber:innen und für Studierende aus dem In- und Ausland. Wichtig für diese Stelle ist eine gute Verfügbarkeit in den Monaten Juli bis Oktober. Langfristige Mitarbeit über zwei Semester(12 Monate) ist wünschenswert.
Mehr
Kontakt: hotline-bewerbung@tum.de
29.04.2024
Professuren:
Professor in » Political Economy of Climate Policy «
Kontakt: appointments@sot.tum.de
29.04.2024
Professuren:
Professorin oder Professor (m/w/d) in » Political Economy of Climate Policy «
Kontakt: appointments@sot.tum.de
29.04.2024
Nichtwissenschaftliches Personal:
Office Manager (m/w/d)
Die Professur für Biothermodynamik (Prof. Mirjana Minceva) an der TUM School of Life Sciences sucht zum nächstmöglichen Zeitpunkt eine/n Office Manager.
Die Gruppe Biothermodynamik befasst sich mit der Entwicklung effizienter und umweltfreundlicher Trennverfahren zur Isolierung und Reinigung bioaktiver Komponenten aus Biomasse, vor allem mit chromatographischen Methoden, Extraktion und überkritischer CO2-Extraktion (https://www.lse.ls.tum.de/btd).
Mehr
Kontakt: contact.btd@ls.tum.de
29.04.2024
Nichtwissenschaftliches Personal:
eine Mitarbeiterin / einen Mitarbeiter (m/w/d) im Graduate Center (CIT2024-25)
Wir suchen zum nächstmöglichen Zeitpunkt zur Verstärkung unseres Teams in Teilzeit (60-75%) eine Mitarbeiterin / einen Mitarbeiter (m/w/d) im Graduate Center (CIT2024-25).
Mehr
Kontakt: jobs@cit.tum.de
27.04.2024
Wissenschaftliches Personal :
Doctoral Candidate (f/m/d) (TVL E13; 100%) in Computer Science: Knowledge Graphs for Materials Science
Kontakt: maribel.acosta@tum.de
26.04.2024
Wissenschaftliches Personal :
Bewerbung als wiss. Mitarbeiter (m/w/d) für den Bereich „3D-Betondruck im Bauwesen – Near-Nozzle-Mixing“
Der Lehrstuhl für Fördertechnik Materialfluss Logistik sucht ab sofort, in Vollzeit, eine/n wiss. Mitarbeiter/in (m/w/d) für den Bereich "3D-Betondruck im Bauwesen – Near-Nozzle-Mixing".
Mehr
Kontakt: bewerbung.fml@ed.tum.de
26.04.2024
Studentische Hilfskräfte, Praktikantenstellen, Studienarbeiten:
Studentische Mitarbeitenden-Position (10-20 h / Woche) am Department of Educational Sciences für das Projekt CLiViE
Die Forschungsgruppe Learning Sciences and Educational Design Technology (Prof. Dr. Anna Keune) am Department of Educational Sciences der Technischen Universität München (TUM) schreibt eine Stelle im Forschungsprojekt “CLiViE” aus.
Beabsichtigter Arbeitsbeginn ist so bald wie möglich.
Mehr
Kontakt: anna.keune@tum.de
26.04.2024
Studentische Hilfskräfte, Praktikantenstellen, Studienarbeiten:
Master Thesis: Deep Learning for Brain Tumor Modeling
We model brain tumor growth for improved radiotherapy planning based on 3D magnetic resonance images (MRI). Partial differential equation (PDE) based models have the potential to personalize glioma therapy. However, calibrating these models to individual patients is computationally expensive using traditional numerical solvers and classical optimization techniques.
First tests with simple tumor models show promising results using differentiable deep learning based solvers for fast, gradient based optimization. Thereby a neural network inputs the specific tumor parameters like growth and diffusion rate and predicts a tumor cell concentration inside the brain [1]. To calibrate this model for a specific patient, the input parameters are optimized utilizing the differentiability of the network with respect to the input.
Your role would be to utilize state-of-the-art network architectures to develop a deep learning-based solver for more realistic brain tumor growth models.
Mehr
Kontakt: j.weidner@tum.de
Drucken
RSS 
