JUNIORPROFESSUR (W1 mit Tenure- Track-Option auf W3) Probabilistische Methoden im Maschinellen [...]

Die Brandenburgische Technische Universität Cottbus–Senftenberg (BTU) bündelt Spitzenforschung und Transfer auf internationalem Niveau und schafft dadurch ein interdisziplinäres Innovationsnetzwerk sowie einen exzellenten Wissenschafts- und Technologiestandort. Gemeinsam mit ihren renommierten Partnern bildet die BTU das Lausitz Science Network – eine Allianz von Forschungseinrichtungen, die gemeinsam die Stärken des Wissenschaftsstandortes Cottbus–Senftenberg weiterentwickeln und dessen Sichtbarkeit erhöhen wollen.

Durch innovative Forschung und neue Lehr- und Lernformate gestaltet die BTU die Zukunft: Sie trägt mit wissenschaftlichen Erkenntnissen und praxisrelevanten Lösungen zur Gestaltung der großen Zukunftsthemen und Transformationsprozesse bei. In vier Profillinien – „Energiewende und Dekarbonisierung“, „Gesundheit und Life Sciences“, „Globaler Wandel und Transformationsprozesse“ sowie „Künstliche Intelligenz und Sensorik“ – bündelt sie ihre Stärken in der Lehre und Forschung instituts- und fakultätsübergreifend.

Die Juniorprofessur „Probabilistische Methoden im Maschinellen Lernen“ ist im Grenzbereich von angewandter Mathematik, Statistik und Informatik angesiedelt und widmet sich der Entwicklung und Analyse moderner Methoden des maschinellen Lernens. Im Zentrum stehen probabilistische Modellierungsansätze, die es beispielsweise ermöglichen, Unsicherheiten beim Trainieren neuronaler Netzwerke zu berücksichtigen, komplexe und hochdimensionale Modelle und Daten zu erfassen und daraus robuste und interpretierbare Vorhersagen abzuleiten.

Die Professur ist eingebunden in ein dynamisches Forschungsumfeld in einer sich rapide verändernden Region und strebt Kooperationen sowohl innerhalb der BTU als auch mit außeruniversitären Forschungseinrichtungen wie den DLR- oder Fraunhofer-Instituten an. Von der künftigen Stelleninhaberin bzw. dem künftigen Stelleninhaber wird erwartet, dass sie bzw. er bereit ist, sich in bestehende und neue Forschungsinitiativen auch über Fakultätsgrenzen hinweg einzubringen.

Wir suchen: eine forschungsstarke Persönlichkeit mit einem zukunftsträchtigen und international wettbewerbsfähigen Profil im Bereich der probabilistischen Methoden im Maschinellen Lernen. Mögliche Forschungsschwerpunkte sind stochastische Sampling- und Approximationsverfahren (beispielsweise Markov-Chain-Monte-Carlo, interagierende Partikelsysteme, PINNs) oder stochastische Optimierungsmethoden (z. B. stochastische Gradientenverfahren für hochdimensionale neuronale Netze, Reinforcement Learning, variationelle Inferenzmethoden).

Neben der Methodenentwicklung und theoretischen Untersuchungen moderner KI- und ML-Methoden soll die künftige Stelleninhaberin bzw. der künftige Stelleninhaber auch innovative Ansätze in ihre Forschung einbeziehen, die klassische probabilistische Modelle mit modernen Deep-Learning-Architekturen verbindet, etwa im Bereich Bayesian Deep Learning sowie der effizienten Implementierung generativer Diffusionsmodelle für konkrete Anwendungen. Ein konkreter Bezug zu Anwendungen entlang der Profillinien der BTU ist erwünscht.

In der Lehre vertritt die Juniorprofessur grundlegende und weiterführende Inhalte im Bereich KI und Data Science in den Studiengängen MSc Mathematical Data Science und MSc Artificial Intelligence, beteiligt sich aber ebenso an der Ausbildung in den grundständigen Mathe- und Informatikstudiengängen im Bereich Wahrscheinlichkeits-theorie und Statistik sowie in der Servicelehre für andere Studiengänge. Dazu gehört weiterhin die Förderung des wissenschaftlichen Nachwuchses durch forschungsnahe Lehre und Betreuung. Die Lehraufgaben sind sowohl in deutscher als auch in englischer Sprache zu erbringen. Sofern keine ausreichenden Deutschkenntnisse vorliegen, wird die Bereitschaft zum baldigen Erlernen der deutschen Sprache vorausgesetzt.

Als künftige Juniorprofessorin bzw. als künftiger Juniorprofessor können Sie gem. § 47 Abs. 1 Brandenburgisches Hochschulgesetz (BbgHG) folgende Voraussetzungen nachweisen: ein abgeschlossenes Hochschulstudium, pädagogische Eignung und die besondere Befähigung zu wissenschaftlicher Arbeit, in der Regel durch die herausragende Qualität der Promotion. Darüber hinaus verfügen Sie idealerweise über Erfahrungen in der Drittmitteleinwerbung sowie bei der Durchführung von Drittmittelprojekten, wobei Erfahrungen mit DFG- oder EU-Projekten besonders erwünscht sind.

Ihre Lehrerfahrung ermöglicht eine exzellente Lehre für das hier zu besetzende Fachgebiet. Sie verfügen über die Fähigkeit, in allen curricularen Stufen vom Bachelor bis zur Promotion zu lehren, Abschlussarbeiten zu betreuen und den wissenschaftlichen Nachwuchs zu fördern. Ihre Kenntnisse und Erfahrungen ermöglichen Ihnen die Mitarbeit in der akademischen Selbstverwaltung und bei der Profilierung der Fakultät.

Die BTU engagiert sich für Chancengleichheit und Diversität und strebt in allen Beschäftigtengruppen eine ausgewogene Geschlechterrelation an und berücksichtigt bei gleicher Eignung vorrangig Personen mit einer Schwerbehinderung bzw. diesen gleichgestellte Personen.