Auf einen Blick
- Aufgaben: Unterstütze Forscher bei der Datenanalyse von Elektronenmikroskopie.
- Arbeitgeber: EPFL ist eine der besten Universitäten weltweit mit über 17.000 Mitgliedern.
- Mitarbeitervorteile: Exzellente Arbeitsbedingungen und die Möglichkeit, deine Fähigkeiten zu erweitern.
- Warum dieser Job: Werde Teil eines dynamischen Teams und entwickle innovative Datenanalysetechniken.
- Gewünschte Qualifikationen: Master oder PhD in Wissenschaft; Erfahrung in Datenanalyse und maschinellem Lernen erforderlich.
- Andere Informationen: Vertrag für 1 Jahr, möglicherweise verlängerbar.
Das voraussichtliche Gehalt liegt zwischen 43200 - 72000 € pro Jahr.
EPFL, die Eidgenössische Technische Hochschule Lausanne, ist einer der dynamischsten Universitätsstandorte in Europa und gehört zu den 20 besten Universitäten weltweit. Die EPFL beschäftigt mehr als 6.500 Personen, die die drei Hauptmissionen der Institution unterstützen: Bildung, Forschung und Innovation. Der EPFL-Campus bietet ein außergewöhnliches Arbeitsumfeld im Herzen einer Gemeinschaft von mehr als 17.000 Menschen, darunter über 12.500 Studierende und 4.000 Forschende aus mehr als 120 verschiedenen Ländern.
Mission
In dieser gemeinsamen Position zwischen dem Center for Imaging und CIME werden Sie der EM-Community bei der Auswertung von Messungen auf der Elektronenmikroskopie-Plattform dienen. Sie werden Engpässe bei der Datenanalyse in der Elektronenmikroskopie identifizieren und robuste Bild- und Datenanalyse-Pipelines für typische CIME-Arbeitslasten erstellen.
Hauptaufgaben und Verantwortlichkeiten
- Unterstützung der EPFL-Forschenden bei der Datenanalyse der Elektronenmikroskopie
- Analyse der Bedürfnisse für Datenverarbeitungs-Workflows der EM-Community der EPFL
- Implementierung (möglicherweise ML/AI-gesteuerter) Datenanalyse-Pipelines innerhalb der EM-Bildgebung
- Beitrag zur Forschung und Entwicklung neuer Datenanalysetechniken und -workflows in der EM
- Agieren als Brücke zwischen CIME und dem Center of Imaging
Profil
- Master oder PhD in Wissenschaft (Physik, Materialwissenschaft, Chemie, Informatik)
- Expertise in den folgenden Bereichen/Techniken: Großflächige Datenanalyse
- Entwicklung von Datenverarbeitungstechniken/-workflows
- Quantitative Bildgebung
- Erfahrung in maschinellem Lernen, KI usw.
Wir bieten
- Ausgezeichnete Arbeitsbedingungen in einem dynamischen, interdisziplinären Umfeld
- Möglichkeit, Ihre Kompetenzen zu erweitern und Ihren Horizont zu erweitern
Informationen
- Vertragsbeginn: nach Vereinbarung
- Aktivitätsgrad: 100,00
- Vertragsart: CDD
- Dauer: 1 Jahr, möglicherweise verlängerbar
- Referenz: 1560
Für weitere Informationen: Bitte kontaktieren Sie M. Marco Cantoni per E-Mail.
Expert for data analysis and processing Arbeitgeber: EPFL

Kontaktperson:
EPFL HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Expert for data analysis and processing
✨Tipp Nummer 1
Netzwerke sind entscheidend! Suche nach Veranstaltungen oder Konferenzen, die sich auf Elektronenmikroskopie und Datenanalyse konzentrieren. Dort kannst du wertvolle Kontakte knüpfen und möglicherweise Insider-Informationen über offene Stellen erhalten.
✨Tipp Nummer 2
Nutze LinkedIn, um dich mit aktuellen EPFL-Mitarbeitern zu vernetzen. Stelle Fragen zu ihrer Arbeit und zeige dein Interesse an der Position. Oft können persönliche Empfehlungen den Unterschied machen.
✨Tipp Nummer 3
Informiere dich über aktuelle Forschungsprojekte am EPFL, die sich mit Datenanalyse und Elektronenmikroskopie beschäftigen. Wenn du in deinem Gespräch spezifische Projekte erwähnst, zeigst du dein Engagement und deine Vorbereitung.
✨Tipp Nummer 4
Bereite dich darauf vor, deine technischen Fähigkeiten in einem praktischen Test oder einer Präsentation zu demonstrieren. Übe, wie du deine Erfahrungen mit großen Datenanalysen und maschinellem Lernen klar und überzeugend präsentieren kannst.
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Expert for data analysis and processing
Tipps für deine Bewerbung 🫡
Stelle deine Motivation klar: Beginne dein Anschreiben mit einer klaren und überzeugenden Erklärung, warum du dich für die Position als Experte für Datenanalyse und -verarbeitung interessierst. Verknüpfe deine Leidenschaft für Wissenschaft und Technologie mit den spezifischen Anforderungen der Stelle.
Hebe relevante Erfahrungen hervor: Betone in deinem Lebenslauf und Anschreiben deine Erfahrungen in der Datenanalyse, insbesondere im Bereich der Elektronenmikroskopie. Nenne konkrete Projekte oder Techniken, die du angewendet hast, um deine Eignung zu untermauern.
Technische Fähigkeiten detailliert darstellen: Liste deine technischen Fähigkeiten, insbesondere in Bezug auf maschinelles Lernen und KI, klar und präzise auf. Verwende spezifische Beispiele, um zu zeigen, wie du diese Fähigkeiten in der Vergangenheit angewendet hast.
Schlussfolgerung und Kontakt: Beende dein Anschreiben mit einer starken Schlussfolgerung, in der du deine Vorfreude auf eine mögliche Zusammenarbeit ausdrückst. Vergiss nicht, deine Kontaktdaten anzugeben, damit das Unternehmen dich leicht erreichen kann.
Wie du dich auf ein Vorstellungsgespräch bei EPFL vorbereitest
✨Verstehe die Anforderungen der Position
Mach dich mit den spezifischen Aufgaben und Verantwortlichkeiten des Experten für Datenanalyse und -verarbeitung vertraut. Überlege dir, wie deine bisherigen Erfahrungen und Fähigkeiten in diesen Kontext passen.
✨Bereite Beispiele vor
Sei bereit, konkrete Beispiele aus deiner bisherigen Arbeit zu nennen, die deine Fähigkeiten in der Datenanalyse, der Entwicklung von Workflows und dem Einsatz von Machine Learning oder KI demonstrieren.
✨Zeige Interesse an der Forschung
Informiere dich über aktuelle Forschungsprojekte am EPFL, insbesondere im Bereich der Elektronenmikroskopie. Zeige während des Interviews, dass du ein echtes Interesse an der Weiterentwicklung der Techniken und Methoden hast.
✨Stelle Fragen
Bereite einige durchdachte Fragen vor, die du dem Interviewer stellen kannst. Dies zeigt dein Engagement und dein Interesse an der Position sowie an der Zusammenarbeit zwischen CIME und dem Center for Imaging.