Wiss. Mitarbeiter:in / Doktorand:in (w/m/d) am Fachgebiet Nachrichtentechnische Systeme

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

Das Fachgebiet Nachrichtentechnische Systeme gehört zum Fachbereich Elektro- und Informationstechnik. Es befasst sich in Forschung und Lehre mit Methoden der statistischen Signalverarbeitung, der mathematischen Optimierung, des maschinellen Lernens mit vorrangigen Anwendungen in der Sensorgruppensignalverarbeitung und der MIMO Kommunikation.

Informationen zur Stelle

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

Ihre Aufgaben

Im Rahmen Ihrer Tätigkeit entwickeln und analysieren Sie neue Verfahren für robustes und kommunikationseffizientes verteiltes Lernen über Netzwerke (Robust and Communication-Efficient Learning over Networks). Ziel ist es, verteilte Inferenzaufgaben - etwa Schätzung, Detektion oder Optimierung - in Sensornetzwerken zuverlässig zu lösen, auch wenn einzelne Knoten fehlerhafte, ausreißerbehaftete oder böswillig manipulierte (Byzantinische) Daten liefern oder Verbindungsausfälle auftreten. Dabei verbinden Sie Methoden der robusten Statistik mit Ansätzen der verteilten und föderierten Optimierung.

Ein Schwerpunkt Ihrer Forschung liegt auf der Entwicklung robuster Verfahren zur Nachrichtengenerierung und Nachrichtenaggregation, insbesondere unter Verwendung von Minimax-Ansätzen, least-favorable-Verteilungen sowie robuster (multivariater) Lokationsschätzer mit hohem Bruchpunkt. Ein weiterer Schwerpunkt ist die Entwicklung kommunikationseffizienter Lernverfahren auf Basis spärlicher (sparse) Nachrichten, einschließlich deren robuster Aggregation, etwa durch Matrix-Completion- und morphologische Vorverarbeitungstechniken. Neben dem Entwurf der Verfahren erarbeiten Sie theoretische Leistungsgarantien (z. B. hinsichtlich Bruchpunkt, Effizienz und Konvergenzverhalten) und validieren Ihre Ergebnisse in umfangreichen Simulationsstudien sowie an realen Messdaten aus den Sensornetzwerken der Arbeitsgruppe.

Darüber hinaus präsentieren Sie die Ergebnisse Ihrer Forschung in hochrangigen internationalen Fachzeitschriften und auf Konferenzen und stellen Code und Daten im Sinne offener Forschung öffentlich zur Verfügung. Neben der Forschung wirken Sie in der Lehre mit. Dies umfasst im Wesentlichen die Durchführung von Übungen zu Lehrveranstaltungen sowie die Betreuung von Bachelor- und Masterarbeiten.

Ihr Profil

• Ein sehr gut abgeschlossenes wissenschaftliches Hochschulstudium (M.Sc. oder vergleichbar) im Bereich Elektrotechnik, Informationstechnik, (angewandter) Mathematik oder einer verwandten Fachrichtung
• Sehr gute Kenntnisse in der statistischen Signalverarbeitung, der mathematischen Optimierung und der Wahrscheinlichkeitstheorie
• Fundierte Kenntnisse in robuster Statistik (z. B. Minimax-Robustheit, least-favorable-Verteilungen, robuste Lokations- und Skalenschätzer, Bruchpunkt-Konzepte); Kenntnisse im Bereich verteilter bzw. föderierter Lern- und Optimierungsverfahren sind von Vorteil
• Erfahrung mit verteilter Inferenz über Netzwerke (z. B. Diffusionsadaption, verteilte Schätzung/Detektion, kommunikationseffiziente bzw. sparse Verfahren) ist wünschenswert
• Sehr gute Programmierkenntnisse in Python; Kenntnisse weiterer wissenschaftlicher Softwarewerkzeuge (z. B. MATLAB) sind wünschenswert
• Erfahrung in der Durchführung wissenschaftlicher Forschungsarbeiten sowie Interesse an der Veröffentlichung von Forschungsergebnissen auf international führenden Konferenzen und in Fachzeitschriften
• Sehr gute mündliche und schriftliche Ausdrucksfähigkeit in Englisch; Deutschkenntnisse sind von Vorteil

Persönlich zeichnen Sie sich aus durch:

• Hohe Eigeninitiative, ausgeprägte analytische und mathematische Fähigkeiten sowie eine selbstständige, strukturierte und zielorientierte Arbeitsweise
• Teamfähigkeit, Kommunikationsstärke und Freude an der Zusammenarbeit in einem internationalen wissenschaftlichen Umfeld

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