Auf einen Blick
- Aufgaben: Entwickle und wende Bayesianische Inferenzmethoden für Eye-Tracking-Daten an.
- Arbeitgeber: Pupil Labs bietet innovative Eye-Tracking-Lösungen für Forschung und Industrie.
- Mitarbeitervorteile: Flexibles Arbeiten, bis zu zwei Home-Office-Tage pro Woche und Weiterbildungsmöglichkeiten.
- Warum dieser Job: Werde Teil eines dynamischen, internationalen Teams, das an spannenden Herausforderungen arbeitet.
- Gewünschte Qualifikationen: PhD in maschinellem Lernen oder verwandten Bereichen; Erfahrung mit Bayesianischer Modellierung erforderlich.
- Andere Informationen: Schöne Büros im Herzen Berlins und Unterstützung für Konferenzbesuche.
Das voraussichtliche Gehalt liegt zwischen 48000 - 84000 € pro Jahr.
Vision being the dominant human sense, eye tracking constitutes a powerful approach for understanding the human mind! At Pupil Labs, our mission is to provide cutting-edge eye-tracking solutions, which are more robust, accurate, accessible, and user-friendly than ever before. Our products empower thousands of users in academia and industry, clinical surgeons, elite athletes, astronauts on the International Space Station, and many more.
Unlocking the full potential of eye-tracking technology relies on solving hard research problems, ranging from core gaze-estimation algorithms to developing cloud-based algorithmic tools allowing for the high-level analysis of terabytes of egocentric video data. Die interdisziplinäre F&E-Gruppe bei Pupil Labs, bestehend aus Mitgliedern mit Hintergründen in Informatik, Computational Neuroscience, Mathematik und Physik, geht diese Herausforderungen direkt an!
In enger Zusammenarbeit mit anderen Ingenieurteams identifizieren wir vielversprechende F&E-Avenues und sind stolz darauf, unsere Ergebnisse schnell in die neuesten Produkte zu integrieren, die an unsere Kunden ausgeliefert werden. Um unsere Bemühungen zu unterstützen, suchen wir, um unser F&E-Team in Berlin mit einem Vollzeit-F&E-Wissenschaftler mit Expertise in probabilistischer maschinellem Lernen und Bayesianischer Inferenz zu erweitern. Dies ist eine Vor-Ort-Position (mit bis zu zwei Home-Office-Tagen pro Woche).
Pupil Labs bietet ein wettbewerbsfähiges Gehalt, flexible Arbeitsbedingungen, ein großartiges Team von Kollegen, eine junge und dynamische Unternehmensstruktur sowie eine Kultur der Teilnahme und des Feedbacks. Sie sind begeistert davon, einem ehrgeizigen, internationalen, vielfältigen, interdisziplinären, jungen, enthusiastischen und talentierten Team von Forschern und Software-Spezialisten beizutreten? Sie haben eine Wachstumsmentalität, gedeihen in schnelllebigen Arbeitsumgebungen und genießen es, an schwierigen Problemen zu arbeiten? Dann freuen wir uns darauf, von Ihnen zu hören!
Was Sie tun würden:
- Entwickeln und Anwenden von Bayesian-Inferenzmethoden zur Erstellung probabilistischer Modelle für Eye-Tracking- und physiologische Daten.
- Entwerfen und Implementieren von generativen Modellen, einschließlich energie-basierter Modelle, normalisierender Flüsse und Diffusionsmodelle für Zustandsabschätzung und posteriori Sampling.
- Arbeiten mit unsicheren, verrauschten Daten und Entwickeln robuster Methoden für Inferenz, Schätzung und Unsicherheitsquantifizierung im Bereich der Augenforschung.
- Implementieren und Optimieren skalierbarer probabilistischer Algorithmen, die in Echtzeit oder in großangelegten Analyseumgebungen eingesetzt werden können.
- Zusammenarbeiten mit unseren Forschungs- und Ingenieurteams, um fortschrittliche Techniken des probabilistischen Modellierens in reale Anwendungen des Eye-Trackings zu bringen.
Wer Sie sind:
- Sie haben einen PhD in maschinellem Lernen, Statistik, angewandter Mathematik, Physik oder einem verwandten Bereich.
- Sie haben starke Fachkenntnisse in Bayesianischem maschinellem Lernen und probabilistischem Modellieren.
- Sie haben Erfahrung mit Sampling-Techniken wie MCMC, Langevin-Dynamik, Hamiltonian Monte Carlo (HMC) oder variationaler Inferenz.
- Sie sind versiert in Python und PyTorch.
- Sie haben Erfahrung mit generativen Modellen, einschließlich normalisierender Flüsse, energie-basierter Modelle und Diffusionsmodelle.
- Sie fühlen sich wohl im Umgang mit unsicheren und hochdimensionalen Daten und entwickeln Methoden zur Unsicherheitsquantifizierung.
- Idealerweise haben Sie Erfahrung mit Optimierungstechniken für probabilistische Modelle, kontrastiver Divergenz oder physik-inspirierter ML.
- Sie sind selbstmotiviert, arbeiten gerne in einem interdisziplinären Umfeld und fühlen sich in schriftlichem und gesprochenem Englisch wohl.
Vorteile:
- Ein schönes Büro im Herzen Berlins.
- Bis zu zwei Home-Office-Tage pro Woche.
- 15 mobile Bürotage pro Jahr.
- Fortlaufendes Lernen und berufliche Entwicklung (wir werden Sie sponsern, um an relevanten wissenschaftlichen/Entwicklerkonferenzen teilzunehmen).
R&D Scientist – Probabilistic Machine Learning & Bayesian Inference Arbeitgeber: Pupil Labs GmbH
Kontaktperson:
Pupil Labs GmbH HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: R&D Scientist – Probabilistic Machine Learning & Bayesian Inference
✨Netzwerken mit Fachkollegen
Nutze Plattformen wie LinkedIn, um dich mit anderen Fachleuten im Bereich probabilistische Maschinenlernen und Bayes'sche Inferenz zu vernetzen. Nimm an relevanten Konferenzen oder Meetups teil, um dein Netzwerk zu erweitern und potenzielle Kontakte bei Pupil Labs zu knüpfen.
✨Praktische Erfahrungen sammeln
Falls du noch keine umfangreiche Erfahrung in der Anwendung von Bayes'schen Methoden hast, suche nach Projekten oder Praktika, die dir helfen, deine Fähigkeiten in diesem Bereich zu vertiefen. Praktische Anwendungen sind oft entscheidend, um im Vorstellungsgespräch zu überzeugen.
✨Vorbereitung auf technische Interviews
Bereite dich auf technische Interviews vor, indem du häufige Fragen zu probabilistischen Modellen und Sampling-Techniken übst. Sei bereit, deine Ansätze zur Lösung komplexer Probleme zu erläutern und Beispiele aus deiner bisherigen Arbeit zu präsentieren.
✨Interdisziplinäre Zusammenarbeit betonen
Da das Team bei Pupil Labs interdisziplinär ist, hebe in Gesprächen hervor, wie du in der Vergangenheit erfolgreich mit Fachleuten aus verschiedenen Disziplinen zusammengearbeitet hast. Zeige, dass du die Fähigkeit hast, unterschiedliche Perspektiven zu integrieren und gemeinsam Lösungen zu entwickeln.
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: R&D Scientist – Probabilistic Machine Learning & Bayesian Inference
Tipps für deine Bewerbung 🫡
Verstehe die Anforderungen: Lies die Stellenbeschreibung sorgfältig durch und achte auf spezifische Anforderungen wie Kenntnisse in Bayesian Machine Learning und probabilistischer Modellierung. Stelle sicher, dass du diese Punkte in deiner Bewerbung ansprichst.
Betone deine Qualifikationen: Hebe in deinem Lebenslauf und Anschreiben deine relevanten Erfahrungen hervor, insbesondere deine Kenntnisse in Python, PyTorch und generativen Modellen. Zeige, wie deine Fähigkeiten zur Lösung der Herausforderungen im Bereich Eye-Tracking beitragen können.
Motivationsschreiben: Verfasse ein überzeugendes Motivationsschreiben, in dem du deine Begeisterung für die Position und das Unternehmen ausdrückst. Erkläre, warum du Teil des interdisziplinären Teams bei Pupil Labs werden möchtest und wie du zur Mission des Unternehmens beitragen kannst.
Prüfe deine Unterlagen: Bevor du deine Bewerbung einreichst, überprüfe alle Dokumente auf Vollständigkeit und Fehler. Achte darauf, dass dein Lebenslauf aktuell ist und alle relevanten Informationen enthält. Eine fehlerfreie Bewerbung hinterlässt einen positiven Eindruck.
Wie du dich auf ein Vorstellungsgespräch bei Pupil Labs GmbH vorbereitest
✨Verstehe die Grundlagen der Bayesianischen Inferenz
Da die Position einen starken Fokus auf Bayesianische Methoden hat, solltest du sicherstellen, dass du die grundlegenden Konzepte und Techniken gut verstehst. Bereite dich darauf vor, Fragen zu beantworten, die dein Wissen über MCMC, HMC und variational inference testen.
✨Präsentiere deine Projekte klar und präzise
Bereite dich darauf vor, deine bisherigen Projekte und Erfahrungen im Bereich probabilistisches maschinelles Lernen und generative Modelle zu erläutern. Verwende klare Beispiele, um deine Fähigkeiten und Erfolge zu demonstrieren, insbesondere in Bezug auf die Anwendung von Algorithmen in realen Szenarien.
✨Zeige deine Teamfähigkeit
Da die Rolle eine enge Zusammenarbeit mit anderen Forschungs- und Ingenieurteams erfordert, ist es wichtig, deine Teamfähigkeit zu betonen. Bereite Beispiele vor, in denen du erfolgreich in einem interdisziplinären Team gearbeitet hast und wie du zur Lösung komplexer Probleme beigetragen hast.
✨Bereite Fragen vor
Zeige dein Interesse an der Position und dem Unternehmen, indem du durchdachte Fragen vorbereitest. Frage nach den aktuellen Herausforderungen im Bereich der Augenverfolgung oder wie das Team neue Technologien integriert. Dies zeigt, dass du proaktiv bist und dich für die Zukunft des Unternehmens interessierst.