Wiss. Mitarbeiter:in / Doktorand:in (w/m/d) – Mathematische Grundlagen des Deep Learning in Darmstadt

Jobbörse

Unternehmen

Technische Universität Darmstadt

Wiss. Mitarbeiter:in / Doktorand:in (w/m/d) – Mathematische Grundlagen des Deep Learning

Wiss. Mitarbeiter:in / Doktorand:in (w/m/d) – Mathematische Grundlagen des Deep Learning in Darmstadt

Darmstadt Vollzeit Kein Homeoffice möglich

Über die TU Darmstadt

Die TU Darmstadt steht für exzellente und relevante Wissenschaft. Die tiefgreifenden globalen Veränderungsprozesse – von Energiewende bis zu Künstlicher Intelligenz – gestalten wir durch herausragende Erkenntnisse und zukunftsweisende Studienangebote entscheidend mit. Unsere Spitzenforschung bündeln wir in drei Feldern: Energy and Environment, Information and Intelligence, Matter and Materials. Als eine in der Metropolregion Frankfurt-Rhein-Main verankerte und sehr stark international geprägte Universität sehen wir uns den europäischen Werten und der europäischen Integration verpflichtet.

Über unseren Bereich

Die Stelle ist im Fachgebiet Signaltheorie und Statistisches Lernen unter der Leitung von Prof. Dr. Felix Krahmer angesiedelt. Das Fachgebiet befasst sich mit den theoretischen Grundlagen der Signalverarbeitung und des maschinellen Lernens, insbesondere mit Erfolgsgarantien für Lern- und Rekonstruktionsverfahren, inversen Problemen, Quantisierung und Computational Sensing. Der/die erfolgreiche Bewerber:in wird Teil der neu gegründeten Emmy-Noether-Forschungsgruppe unter der Leitung von Dr. Mariia Seleznova, die sich mit den mathematischen Grundlagen des Deep Learning beschäftigt.

Informationen zur Stelle

Kennziffer: Kennziffer
Eintrittsdatum: Besetzung
Befristung: Befristung
Umfang: Umfang
Vergütung: Tarif
Einsatzort: Einsatzort
Bewerbungsfrist: Bewerbungsfrist

Ihre Aufgaben

Als Doktorand:in werden Sie im Rahmen des Projekts „RMT4DL (Random Matrix Theory for Deep Learning)“ forschen, dessen Ziel es ist, mathematische Grundlagen für modernes Deep Learning zu entwickeln. Trotz des empirischen Erfolgs neuronaler Netze sind viele grundlegende Fragen zu ihrer Generalisierung, ihrem Training und ihrer Stabilität weiterhin ungeklärt. Das Projekt untersucht diese Fragen durch die Verbindung von Wahrscheinlichkeitstheorie, Theorie der Zufallsmatrizen und groß angelegten numerischen Experimenten.

Ihre Forschung kann unter anderem folgende Themen umfassen:

Methoden für Deep Learning aus der Wahrscheinlichkeitstheorie und der Theorie der Zufallsmatrizen: Entwicklung neuer Ansätze aus Wahrscheinlichkeitstheorie und Theorie der Zufallsmatrizen zur rigorosen Analyse von Stabilität, Generalisierung und dem Lernen von Merkmalen in neuronalen Netzen mit einer großen Zahl von Parametern.
Empirisch informierte Theorie des Deep Learning: Identifikation und mathematische Formalisierung empirischer Phänomene des Deep Learning, beispielsweise von Skalierungsgesetzen, sowie Entwicklung theoretischer Modelle zu deren Erklärung.

Zu Ihren Aufgaben gehören die Veröffentlichung von Forschungsergebnissen in führenden Fachzeitschriften und/oder auf führenden Konferenzen im Bereich Machine Learning und Mathematik, die Präsentation Ihrer Forschung auf internationalen Konferenzen sowie die Mitwirkung an den wissenschaftlichen Aktivitäten der Forschungsgruppe. Eine angemessene Beteiligung an Lehre, Betreuung und administrativen Aufgaben wird erwartet.

Ihr Profil

Wir suchen hoch motivierte Doktorand:innen mit starkem Interesse an den mathematischen Grundlagen des Deep Learning und an der Bearbeitung anspruchsvoller Forschungsfragen in diesem Bereich. Erfolgreiche Bewerber:innen sollten folgende Qualifikationen mitbringen:

Sehr guter Hochschulabschluss (Master oder vergleichbar) in Mathematik, Informatik oder einem eng verwandten Fachgebiet.
Sehr gute mathematische Kenntnisse, insbesondere in Bereichen wie Theorie des maschinellen Lernens, Wahrscheinlichkeitstheorie, Optimierung und linearer Algebra. Kenntnisse in Zufallsmatrixtheorie sind von Vorteil.
Programmiererfahrung in Python. Erfahrung mit Deep-Learning-Frameworks (z. B. PyTorch oder JAX) ist von Vorteil.
Sehr gute Englischkenntnisse in Wort und Schrift.
Ausgeprägte analytische Fähigkeiten und Begeisterung für selbstständige wissenschaftliche Forschung.

Wir bieten

Die Technische Universität Darmstadt bietet vielfältige und herausfordernde Aufgaben, eigenverantwortliches Arbeiten, aktuelle Technologien, gute kollegiale und partnerschaftliche Zusammenarbeit, bedarfsorientierte Fortbildungsmöglichkeiten und eine individuelle Personalentwicklung.

Wir bieten Ihnen die Gelegenheit zur Vorbereitung einer Promotion. Das Beschäftigungsverhältnis dient zugleich der wissenschaftlichen Qualifizierung.

Entfaltung und Gestaltung – ein umfassendes internes Weiterbildungsangebot sowie Möglichkeiten der Weiterqualifizierung und Entwicklung
Urlaub/Bildungsurlaub – 30 Tage Urlaub pro Jahr (bei Vollzeit) und 5 Tage Bildungsurlaub
Nachhaltig und Mobil – Freifahrtberechtigung im gesamten Regionalverkehr in Hessen durch das LandesTicket Hessen nach den jeweils geltenden tariflichen Bestimmungen sowie mobiles Arbeiten
Fit und Gesund – kostenlose medizinische Vorsorgeuntersuchungen und umfangreiches vergünstigtes Sportangebot
Work-Life-Balance – flexible Arbeitszeitmodelle; Betriebliches Gesundheitsmanagement
Altersvorsorge – Zusatzversorgung des öffentlichen Dienstes (VBL) nach den jeweils geltenden Bestimmungen
Dienstrad/Fahrradleasing
Familienfreundlichkeit/Vereinbarkeit Familie/Pflege/Beruf – Kinderbetreuungsangebote sowie Zahlung einer Kinderzulage (gemäß tariflichen Bestimmungen), Ferienangebote