Finde einen Job 
Finde eine Ausbildung 
Top Arbeitgeber 
Top Universitäten 
Für Unternehmen Auf einen Blick
- Aufgaben: Entwickle innovative Machine Learning-Modelle zur Krebsforschung und Therapieentscheidungen.
- Arbeitgeber: Das Deutsche Krebsforschungszentrum kämpft für eine Zukunft ohne Krebs.
- Mitarbeitervorteile: Flexible Arbeitszeiten, 30 Tage Urlaub und die Möglichkeit von mobilem Arbeiten.
- Warum dieser Job: Beteilige dich an bedeutender Forschung mit echtem Einfluss auf die Krebsbehandlung.
- Gewünschte Qualifikationen: Abschluss in Informatik, Statistik oder verwandten Bereichen; Erfahrung in Machine Learning erforderlich.
- Andere Informationen: Zugang zu internationalen Netzwerken und einem umfassenden Gesundheitsmanagement.
Das voraussichtliche Gehalt liegt zwischen 48000 - 72000 € pro Jahr.
„Forschung für ein Leben ohne Krebs“ ist unsere Mission am Deutschen Krebsforschungszentrum. Wir untersuchen, wie Krebs entsteht, identifizieren Risikofaktoren und suchen nach neuen Strategien zur Krebsprävention. Wir entwickeln neue Methoden, mit denen Tumore präziser diagnostiziert und Krebspatienten erfolgreicher behandelt werden können. Jeder Beitrag zählt - ob in der Forschung, Verwaltung oder Infrastruktur. Das macht unsere tägliche Arbeit so sinnvoll und spannend.
Gemeinsam mit Universitätskollegen an sieben renommierten Partnerstandorten haben wir das Deutsche Konsortium für Krebsforschung (DKTK) gegründet. Für die Forschungsgruppe „Machine Learning in Oncology“ (geleitet von Prof. Dr. Florian Buettner) am DKTK-Partnerstandort Frankfurt/Mainz und der Goethe-Universität Frankfurt suchen wir zum nächstmöglichen Zeitpunkt einen Postdoktoranden für Machine Learning in der Onkologie.
Das Buettner-Labor (https://mlo-lab.github.io) arbeitet an der Schnittstelle von maschinellem Lernen und Onkologie. Diese Position ist Teil des prestigeträchtigen ERC Consolidator Grant „TAIPO - Vertrauenswürdige KI in der personalisierten Onkologie“. Sie werden sich auf die Entwicklung robuster und zuverlässiger Modelle für Therapieentscheidungen und -ergebnisse konzentrieren, mit einem erweiterten Fokus auf kausale Inferenzmethoden.
Ihre Forschung wird Folgendes umfassen:
- Entwicklung kausaler maschineller Lernmethoden für zuverlässige Überlebensmodellierung bei Krebspatienten, insbesondere bei AML (Akute Myeloische Leukämie)
- Aufbau vertrauenswürdiger Empfehlungssysteme für Therapieentscheidungen basierend auf elektronischen Gesundheitsakten (EHR), unter Einbeziehung kausalen Denkens und Unsicherheitsquantifizierung
- Erstellung unsicherheitsbewusster Modelle, die zuverlässig kommunizieren können, wann Vorhersagen möglicherweise unzuverlässig sind
- Zusammenarbeit mit experimentellen und klinischen Partnern aus Heidelberg und dem DKTK-Netzwerk
Wichtige Forschungsbereiche:
- Vertrauenswürdige Überlebensanalyse und Zeit-bis-Ereignis-Modellierung
- Kausale Inferenz aus beobachtbaren Gesundheitsdaten
- Unsicherheitsquantifizierung in kausalen Modellen
- Integration multimodaler Daten (Genomik, Proteomik, EHR) für die Zeit-bis-Ereignis-Modellierung
Wir suchen einen Kandidaten mit einem Hintergrund in Informatik, Statistik, Bioinformatik oder einem verwandten Bereich (z.B. Masterabschluss in Mathematik, Physik, Computer-/Datentechnik, computergestützter Biologie oder einem verwandten Bereich und einem abgeschlossenen Doktortitel). Eine ausgezeichnete Kenntnis von Methoden des maschinellen Lernens und Statistik ist unerlässlich, ebenso wie ein Interesse an biomedizinischen Anwendungen und Krebsforschung; Vertrautheit mit probabilistischer Modellierung und Unsicherheitsquantifizierung ist sehr wünschenswert. Sehr gute Kenntnisse in Python-basierten Deep-Learning-Frameworks (PyTorch und/oder TensorFlow) und bewährte Praktiken in der Softwareentwicklung sowie Erfahrung mit Linux-Umgebungen sind erforderlich. Erfahrung mit bioinformatischen Algorithmen und biomedizinischen KI-Anwendungen ist von Vorteil. Der Kandidat wird eng mit anderen Forschern und Klinikern zusammenarbeiten, daher sind auch gute Englischkenntnisse erforderlich.
Um sich zu bewerben, senden Sie bitte eine einzelne PDF-Datei mit einem Anschreiben, Lebenslauf, Kopien relevanter Abschlusszeugnisse mit Notenspiegeln und Kontaktdaten von mindestens zwei Referenzen.
Ausgezeichnete Rahmenbedingungen: modernste Ausstattung und Möglichkeiten für internationales Networking auf höchstem Niveau
- Vergütung nach TV-L inkl. betrieblicher Altersvorsorge und vermögenswirksamen Leistungen
- 30 Tage Urlaub pro Jahr
- Flexible Arbeitszeiten
- Möglichkeit von mobilem Arbeiten und Teilzeitarbeit
- Familienfreundliches Arbeitsumfeld
- Nachhaltige Anreise zur Arbeit: subventioniertes Deutschland-Ticket
- Unser Programm für Betriebliches Gesundheitsmanagement bietet einen ganzheitlichen Ansatz für Ihr Wohlbefinden
- Entwickeln Sie Ihr volles Potenzial: Zugang zum DKFZ International Postdoc Program und DKFZ Career Service mit gezielten Angeboten für Ihre persönliche Entwicklung zur Weiterentwicklung Ihrer Talente
Postdoc - Machine Learning (m/f/d) Arbeitgeber: Deutsches Krebsforschungszentrum (DKFZ)
Kontaktperson:
Deutsches Krebsforschungszentrum (DKFZ) HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Postdoc - Machine Learning (m/f/d)
✨Netzwerken mit Fachkollegen
Nutze Plattformen wie LinkedIn oder ResearchGate, um dich mit anderen Forschern im Bereich Machine Learning und Onkologie zu vernetzen. Der Austausch mit Gleichgesinnten kann dir wertvolle Einblicke geben und möglicherweise sogar Empfehlungen für die Position bei uns einbringen.
✨Teilnahme an Konferenzen
Besuche relevante Konferenzen und Workshops, die sich mit Machine Learning in der Medizin beschäftigen. Dort kannst du nicht nur dein Wissen erweitern, sondern auch direkt mit Experten in Kontakt treten, die dir bei deiner Bewerbung helfen können.
✨Projekte und Veröffentlichungen
Stelle sicher, dass du aktuelle Projekte oder Veröffentlichungen in deinem Lebenslauf hervorhebst, die deine Fähigkeiten im Bereich Machine Learning und Onkologie demonstrieren. Dies zeigt dein Engagement und deine Expertise in diesem speziellen Forschungsfeld.
✨Vorbereitung auf technische Interviews
Bereite dich auf technische Interviews vor, indem du häufige Fragen zu Machine Learning, statistischen Methoden und Programmierung in Python übst. Zeige, dass du nicht nur theoretisches Wissen hast, sondern auch praktische Fähigkeiten in der Anwendung dieser Technologien.
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Postdoc - Machine Learning (m/f/d)
Tipps für deine Bewerbung 🫡
Forschung betreiben: Informiere dich über das Deutsche Krebsforschungszentrum und die Forschungsgruppe "Machine Learning in Oncology". Verstehe die Mission, die aktuellen Projekte und die spezifischen Anforderungen der Stelle.
Dokumente vorbereiten: Stelle sicher, dass du alle erforderlichen Dokumente hast: ein Bewerbungsschreiben, deinen Lebenslauf, Kopien der relevanten Abschlusszeugnisse mit Notenspiegeln und Kontaktdaten von mindestens zwei Referenzen. Achte darauf, dass alles in einer einzigen PDF-Datei zusammengefasst ist.
Motivationsschreiben verfassen: Schreibe ein überzeugendes Motivationsschreiben, in dem du deine Erfahrungen im Bereich Machine Learning und Onkologie darlegst. Betone deine Kenntnisse in Python, statistischen Methoden und deine Begeisterung für biomedizinische Anwendungen.
Bewerbung einreichen: Lade deine PDF-Datei mit allen erforderlichen Dokumenten auf der Website des Deutschen Krebsforschungszentrums hoch. Überprüfe vor dem Absenden, ob alle Informationen korrekt und vollständig sind.
Wie du dich auf ein Vorstellungsgespräch bei Deutsches Krebsforschungszentrum (DKFZ) vorbereitest
✨Verstehe die Forschungsziele
Informiere dich gründlich über die Mission des Deutschen Krebsforschungszentrums und die spezifischen Ziele der Forschungsgruppe "Machine Learning in Oncology". Zeige im Interview, dass du die Bedeutung deiner Rolle in der Krebsforschung verstehst und wie deine Fähigkeiten zur Erreichung dieser Ziele beitragen können.
✨Bereite technische Fragen vor
Erwarte technische Fragen zu maschinellem Lernen, statistischen Methoden und den spezifischen Technologien, die in der Position verwendet werden. Sei bereit, deine Kenntnisse in Python, PyTorch oder TensorFlow zu demonstrieren und erkläre, wie du diese Tools in früheren Projekten eingesetzt hast.
✨Zeige Teamfähigkeit
Da die Position enge Zusammenarbeit mit anderen Forschern und Klinikern erfordert, ist es wichtig, deine Teamfähigkeit zu betonen. Bereite Beispiele vor, in denen du erfolgreich in einem Team gearbeitet hast, um komplexe Probleme zu lösen oder innovative Lösungen zu entwickeln.
✨Frage nach zukünftigen Projekten
Zeige dein Interesse an der Forschung, indem du Fragen zu zukünftigen Projekten und Herausforderungen im Bereich der Onkologie und maschinellen Lernens stellst. Dies zeigt, dass du nicht nur an der aktuellen Position interessiert bist, sondern auch an der langfristigen Entwicklung des Forschungsfeldes.
