Analytic Learning Algorithm Research

Wir suchen derzeit einen Analytic Learning Algorithm Research in Deutschland. Diese Rolle befindet sich an der Schnittstelle von maschinellem Lernen, probabilistischer Modellierung und angewandter Forschung, mit dem Fokus auf den Aufbau von Systemen, die Fachwissen durch modulare probabilistische Strukturen repräsentieren. Sie werden zur Gestaltung von Lernalgorithmen beitragen, die Konsistenz, Kombinierbarkeit und Unsicherheitsausbreitung über komplexe Modellarchitekturen gewährleisten. Die Arbeit umfasst sowohl theoretische Erkundung als auch praktische Implementierung, mit direkten Anwendungen in Bereichen wie Finanzen, wissenschaftlicher Entdeckung und fortgeschrittener quantitativer Analyse. Sie werden mit einem hochqualifizierten, forschungsorientierten Team zusammenarbeiten, das vollständig remote in CET-ausgerichteten Zeitzonen arbeitet. Die Umgebung ist intellektuell anspruchsvoll, schnelllebig und stark darauf fokussiert, mathematische Überlegungen mit realen rechnerischen Systemen zu verbinden. Dies ist eine Gelegenheit, zu grundlegender Forschung mit greifbaren Auswirkungen in mehreren kritischen Bereichen beizutragen.

Verantwortlichkeiten:

• Entwicklung numerischer und analytischer Modelle für Lernsysteme basierend auf modularen probabilistischen Architekturen.
• Gestaltung und Analyse von Lernalgorithmen, um theoretische Solidität und praktische Anwendbarkeit sicherzustellen.
• Nachweis von Eigenschaften von Algorithmen und Validierung von Ergebnissen durch rigorose experimentelle Evaluierung.
• Übersetzung von Konzepten aus der akademischen Literatur in umsetzbare Modelle und Systemkomponenten.
• Beitrag von sauberem, gut dokumentiertem Code zur Unterstützung von Forschungsexperimenten und produktionsgerechten Implementierungen.
• Enger Austausch mit anderen Forschern zur Integration von Erkenntnissen aus verschiedenen Fachgebieten und zur Unterstützung gemeinsamer Ziele.
• Förderung des Systemdesigns durch Gewährleistung der Kohärenz zwischen mathematischer Überlegung und Softwareimplementierung.

Anforderungen:

• Fortgeschrittene Ausbildung in Mathematik, Informatik, Statistik oder einem verwandten quantitativen Bereich (PhD oder gleichwertige Forschungserfahrung wird stark bevorzugt).
• Starker Hintergrund in mathematischen Analysemethoden wie optimalem Transport, Informationsgeometrie oder kontinuierlicher Optimierung.
• Erfahrung mit probabilistischen grafischen Modellen, einschließlich Faktorgrafiken oder verwandten Rahmenwerken.
• Vertrautheit mit handhabbaren Dichteschätztechniken wie normalisierenden Flüssen, autoregressiven Modellen oder probabilistischen Schaltkreisen.
• Fähigkeit, theoretisches Denken und praktische Implementierung im Code zu verbinden.
• Starke analytische Denkfähigkeiten mit einer forschungsorientierten Denkweise und Aufmerksamkeit für mathematische Strenge.
• Exzellente Kommunikationsfähigkeiten und die Fähigkeit, effektiv in einer verteilten Forschungsumgebung zusammenzuarbeiten.

Vorteile:

• Vollständig remote Arbeitsumgebung innerhalb eines global verteilten, forschungsorientierten Teams (CET-ausgerichtete Zusammenarbeit).
• Gelegenheit, an modernen theoretischen Problemen mit direkten realen Anwendungen zu arbeiten.
• Hoher Grad an Autonomie in einer flachen, forschungsgetriebenen Umgebung.
• Einblick in interdisziplinäre Anwendungen in den Bereichen Finanzen, Physik und wissenschaftliches Modellieren.
• Zusammenarbeit mit Experten in den Bereichen maschinelles Lernen, probabilistische Modellierung und angewandte Mathematik.
• Starker Fokus auf intellektuelles Wachstum, Forschungseinfluss und Veröffentlichungsqualität.
• Wettbewerbsfähige Vergütung, die an Erfahrung und Fachwissen ausgerichtet ist.

Wir verwenden einen KI-gestützten Matching-Prozess, um sicherzustellen, dass Ihre Bewerbung schnell, objektiv und fair anhand der Kernanforderungen der Rolle überprüft wird. Unser System identifiziert die am besten passenden Kandidaten, und diese Shortlist wird dann direkt mit dem einstellenden Unternehmen geteilt. Die endgültige Entscheidung und die nächsten Schritte (Interviews, Bewertungen) werden von ihrem internen Team verwaltet. Wir schätzen Ihr Interesse und wünschen Ihnen viel Erfolg!