News Articles published within the last 30 days.
16.04.2024
Interne Jobbörse der TU München:
Interne Jobbörse der TU München
Diese Stellenausschreibungen sind nur für Mitarbeiter der TU München sichtbar. Wenn Ihre Stellenauschreibung für alle sichtbar sein soll, müssen Sie diese in die öffentliche Jobbörse einstellen. Ein Eintrag ist mit Mitarbeiterrechten im Portal möglich. Eine Anleitung finden Sie in der Kurzanleitung für Stellenanzeigen und (ausführlicher) im Best Practice Manual Stellenanzeigen (pdf)
Die formalen Vorgaben, wie sie für öffentliche Stellenausschreibungen üblich sind, gelten hier nicht.
Mehr
Kontakt: Dr. Roland Göttig, goettig@tum.de
16.04.2024
Wissenschaftliches Personal :
Wissenschaftliches Personal
Stellenanzeigen sollen von den jeweiligen Einrichtungen selbst eingetragen werden. Dazu sind Mitarbeiterrechte im Portal erforderlich. Dies ist bei allen in TUMonline enthaltenen Mitarbeitern automatisch der Fall.
Bitte geben Sie bei allen Anzeigen eine aussagekräftige Bezeichnung der Aufgabe, eine Beschreibung und durch Komma getrennte Keywords an. Die Bezeichnung 'Wissenschaftlicher Mitarbeiter' ist nicht sinnvoll, da hier nicht erkenntlich ist um welches Fachgebiet bzw. um welche Aufgabe es geht.
Eine Anleitung finden Sie in der Kurzanleitung für Stellenanzeigen und (ausführlicher) im Best Practice Manual Stellenanzeigen (pdf)
Mehr
Kontakt: Dieses Feld mit Kontaktinfos (z.B. Email Adresse) ersetzen
16.04.2024
Wissenschaftliches Personal :
Wissenschaftliche Mitarbeiterin/Wissenschaftlicher Mitarbeiter am Lehrstuhl für Bauphysik
Wir suchen für unser Team ab sofort (befristet auf zwei Jahre, mit der Möglichkeit der Verlängerung), eine/n Wissenschaftliche Mitarbeiterin/Wissenschaftlicher Mitarbeiter für das Zukunft-Bau Projekt „Baukostensenkungspotentiale durch verdeckte Sicherheiten im Brandschutz“ am Lehrstuhl für Bauphysik in Teilzeit zu 50% der Wochenarbeitszeit.
Mehr
Kontakt: Dr.-Ing. Claudius Hammann, claudius.hammann@tum.de
16.04.2024
Nichtwissenschaftliches Personal:
Qualitätsmanagementbeauftragter - QMB (m/w/d) Mikrobiologische Diagnostik
Für die mikrobiologische Diagnostik suchen wir zum nächstmöglichen Zeitpunkt eine/n
Qualitätsmanagementbeauftragte/n in Vollzeit oder Teilzeit (ab 60%)
Mehr
Kontakt: nina.wantia@tum.de
16.04.2024
Abschlussarbeiten, Bachelor- und Masterarbeiten:
Scientific machine learning through physics-informed neural networks
We are seeking a highly motivated student to develop a novel framework for Physics-Informed Neural Networks (PINNs) that overcomes current limitations.
Basics of Physics-Informed Neural Networks (PINNs):
PINNs are a powerful machine learning technique that combines the strengths of neural networks and physics. Here's a breakdown:
Neural Networks: These are algorithms inspired by the human brain, capable of learning complex patterns from data.
Physics: Scientific principles governing the behavior of matter and energy.
PINNs leverage the data-driven learning power of neural networks while incorporating physical laws through governing equations (often described by Partial Differential Equations - PDEs). This allows PINNs to:
Learn from data: Analyze existing observations or measurements of a physical system.
Enforce physical laws: Ensure the learned model adheres to established physical principles.
Handle complex systems: Model intricate physical phenomena that might be difficult to solve with traditional methods.
Project Focus:
This project builds upon the foundation of PINNs and aims to develop PINNs model that can model 2 Dynamic Systems:
Spring Mass Damper System
Inverted pendulum
Furthermore, the models should be:
Independent of initial conditions: Produces accurate results regardless of the system's starting state.
Partially independent of external forces: While the type of force needs to be known, the model should be able to infer the force equation from data.
Independent of natural frequency: Applicable to various systems with different inherent oscillation frequencies.
Generalizable: Analyze the effectiveness of incorporating advanced neural network architectures like Recurrent Neural Networks (RNNs) to increase generalizability.
This thesis will, therefore, focus on the combination of data-driven ML model and Physics behind the dynamic systems to gain the benefits of both worlds. It would be part of the project to evaluate if PINNs trained on simulated data can be extended to real systems. Furthermore, it would be part of the project to evaluate the impact of known physical model, unknown physical model, known inputs to the real physical system, unknown inputs to the real physical system etc. and their pros and cons.
Project Benefits:
Opportunity to work on cutting-edge research at the intersection of physics and machine learning.
Hands-on experience in developing and implementing advanced neural network models.
Develop strong technical skills in machine learning and scientific computing.
Mehr
Kontakt: tanmay.goyal@tum.de
16.04.2024
Nichtwissenschaftliches Personal:
Eine Full Stack Softwareentwicklerin / einen Full Stack Softwareentwickler (m/w/d) (CIT2024-20)
Wir suchen für unser Team ab sofort, in Vollzeit, eine Full Stack Softwareentwicklerin / einen Full Stack Softwareentwickler (m/w/d) (CIT2024-20).
Mehr
Kontakt: jobs@cit.tum.de
16.04.2024
Nichtwissenschaftliches Personal:
Studienmanager*in (m/w/d) am Standort Garching der TUM School of Engineering and Design in Voll- oder Teilzeit
Wenn Sie sich hier wieder finden, sind Sie die richtige Person, um als Studienmanager*in (m/w/d) am Standort Garching der TUM School of Engineering and Design in Voll- oder Teilzeit ab sofort tätig zu sein. Unterstützen Sie unser Team Mechanical Engineering.
Mehr
Kontakt: martina.sommer@tum.de
16.04.2024
Nichtwissenschaftliches Personal:
Lehrstuhlsekretärin / Lehrstuhlsekretär (m/w/d) (CIT2024-22)
Wir suchen für unser Team ab sofort in Voll- oder Teilzeit eine Besetzung der Stelle
Lehrstuhlsekretärin / Lehrstuhlsekretär (m/w/d)
Lehrstuhl für Visual Computing & Artificial Intelligence
Mehr
Kontakt: jobs@cit.tum.de
16.04.2024
Interne Jobbörse der TU München:
Wissenschaftliche Mitarbeiterin/Wissenschaftlicher Mitarbeiter am Lehrstuhl für Bauphysik
Wir suchen für unser Team ab sofort (befristet auf zwei Jahre, mit der Möglichkeit der Verlängerung), eine/n Wissenschaftliche Mitarbeiterin/Wissenschaftlicher Mitarbeiter für das Zukunft-Bau Projekt „Baukostensenkungspotentiale durch verdeckte Sicherheiten im Brandschutz“ am Lehrstuhl für Bauphysik in Teilzeit zu 50% der Wochenarbeitszeit.
Mehr
Kontakt: Dr. Roland Göttig, goettig@tum.de
15.04.2024
Wissenschaftliches Personal :
Promotionsstelle im Rahmen eines Forschungsprojektes im Bereich Energie- und Verfahrenstechnik
Wir bieten Ihnen an der Professur für Regenerative Energiesysteme eine Promotionsstelle im Rahmen eines Forschungsprojektes im Bereich der Energie- und Verfahrenstechnik zu den Themen synthetische Kraftstoffe
Mehr
Kontakt: elisabeth.murr@tum.de