Finde einen Job 
Finde eine Ausbildung 
Top Arbeitgeber 
Top Universitäten 
Für Unternehmen Auf einen Blick
- Aufgaben: Führe innovative Forschung im Bereich Maschinelles Lernen und mathematische Optimierung durch.
- Arbeitgeber: Technische Universität Dresden, eine der besten Forschungseinrichtungen Deutschlands.
- Mitarbeitervorteile: Exzellente Betreuung, moderne Arbeitsumgebung und Zugang zu erstklassiger HPC-Infrastruktur.
- Warum dieser Job: Gestalte die Zukunft der KI mit und entwickle bahnbrechende Algorithmen.
- Gewünschte Qualifikationen: Sehr guter Hochschulabschluss in Mathematik, Informatik oder Physik und Programmierkenntnisse in C/C++.
- Andere Informationen: Dynamisches Umfeld mit einzigartigen Kooperationsmöglichkeiten und hervorragenden Karrierechancen.
Das voraussichtliche Gehalt liegt zwischen 45000 - 60000 € pro Jahr.
Die Technische Universität Dresden (TUD) zählt als Exzellenzuniversität zu den leistungsstärksten Forschungseinrichtungen Deutschlands. Sie begreift Diversität als kulturelle Selbstverständlichkeit und Qualitätskriterium einer Exzellenzuniversität. Entsprechend begrüßen wir alle Bewerberinnen und Bewerber, die sich mit ihrer Leistung und Persönlichkeit bei uns und mit uns für den Erfolg aller engagieren möchten.
An der Fakultät Informatik, Institut für Künstliche Intelligenz, sind an der Professur für Maschinelles Lernen für Computer Vision zum nächstmöglichen Zeitpunkt zwei Stellen als wiss. Mitarbeiterin bzw. Mitarbeiter / Doktorandin bzw. Doktorand (m/w/d) Maschinelles Lernen und Kombinatorische Optimierung (bei Vorliegen der persönlichen Voraussetzungen E 13 TV-L) in Vollzeit für die Dauer von drei Jahren (Beschäftigungsdauer gem. WissZeitVG), mit dem Ziel der eigenen wissenschaftlichen Weiterqualifikation (i. d. R. Promotion), zu besetzen.
Aufgaben:
- freie, von eigener Neugier getriebene wiss. Grundlagenforschung zu fundamentalen mathematischen Optimierungsproblemen auf den Gebieten des Maschinellen Lernens und der Bildanalyse
- Design und Analyse von Algorithmen zur exakten oder approximativen Lösung dieser Probleme
- Implementierung, empirische Analyse und Vergleich dieser Algorithmen anhand von Daten
- Publikation von Forschungsergebnissen auf führenden Konferenzen und in führenden Journalen
- Mitarbeit in der Lehre und der akademischen Selbstverwaltung
Voraussetzungen:
- sehr guter wiss. Hochschulabschluss in Mathematik, Informatik oder Physik
- umfangreiche Vorkenntnisse in diskreter Mathematik sowie auf einem Gebiet der mathematischen Optimierung (etwa: diskrete Optimierung, konvexe Optimierung)
- starkes Interesse an Grundlagenforschung mit rigorosen mathematischen Methoden
- sehr gute Programmierkenntnisse in C/C++
- sehr gute Englischkenntnisse in Wort und Schrift
Wir bieten:
- hervorragende Betreuung in einem exzellenten wissenschaftlichen Umfeld
- einzigartige Kooperationsmöglichkeiten mit lokalen, nationalen und internationalen Partnern
- individuellen Bedarfen angepasste IT-Ausstattung und Zugang zu hervorragender HPC-Infrastruktur
Die TUD strebt eine Erhöhung des Anteils von Frauen an und bittet diese deshalb ausdrücklich um deren Bewerbung. Die Universität ist eine zertifizierte familiengerechte Hochschule. Bewerbungen schwerbehinderter Menschen sind besonders willkommen. Bei gleicher Eignung werden diese oder ihnen kraft SGB IX von Gesetzes wegen Gleichgestellte bevorzugt eingestellt.
Ihre aussagekräftige Bewerbung senden Sie bitte mit den üblichen Unterlagen bis zum 26.02.2026 (es gilt der Poststempel der Zentralen Poststelle bzw. der Zeitstempel auf dem E-Mail-Server der TUD) bevorzugt über das SecureMail-Portal der TUD https://securemail.tu-dresden.de als ein PDF-Dokument an mlcv@tu-dresden.de bzw. an: TU Dresden, Professur für Maschinelles Lernen für Computer Vision Herrn Prof. Dr. Björn Andres Helmholtzstr. 10, 01069 Dresden.
Ihre Bewerbungsunterlagen werden nicht zurückgesandt, bitte reichen Sie nur Kopien ein. Vor stellungs kosten werden nicht übernommen.
Hinweis zum Datenschutz: Welche Rechte Sie haben und zu welchem Zweck Ihre Daten verarbeitet werden sowie weitere Informationen zum Datenschutz haben wir auf folgender Webseite für Sie zur Verfügung gestellt: https://tu-dresden.de/karriere/datenschutzhinweis.
Wissenschaftliche*r Mitarbeiterin bzw. Mitarbeiter / Doktorandin bzw. Doktorand (m/w/d) Maschinelles Lernen und Kombinatorisc... Arbeitgeber: Technische Universität Dresden
Kontaktperson:
Technische Universität Dresden HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Wissenschaftliche*r Mitarbeiterin bzw. Mitarbeiter / Doktorandin bzw. Doktorand (m/w/d) Maschinelles Lernen und Kombinatorisc...
✨Netzwerken, was das Zeug hält!
Nutze jede Gelegenheit, um mit Leuten aus der Branche ins Gespräch zu kommen. Besuche Konferenzen, Workshops oder Meetups und sprich mit anderen über deine Interessen im Bereich Maschinelles Lernen. Wer weiß, vielleicht ergibt sich so eine tolle Möglichkeit!
✨Sei aktiv auf LinkedIn!
Halte dein LinkedIn-Profil aktuell und teile regelmäßig Inhalte, die dich interessieren. Folge den Unternehmen, die dich ansprechen, und interagiere mit ihren Posts. Das zeigt dein Interesse und kann dir helfen, auf dem Radar von Recruitern zu bleiben.
✨Bereite dich auf Vorstellungsgespräche vor!
Mach dich mit typischen Fragen für wissenschaftliche Positionen vertraut und übe deine Antworten. Sei bereit, über deine bisherigen Projekte und Erfahrungen zu sprechen. Zeige, dass du nicht nur die nötigen Fähigkeiten hast, sondern auch leidenschaftlich bei der Sache bist!
✨Bewirb dich direkt über unsere Website!
Wenn du eine Stelle gefunden hast, die dich interessiert, bewirb dich direkt über unsere Website. So stellst du sicher, dass deine Bewerbung schnell und unkompliziert an die richtige Stelle gelangt. Und vergiss nicht, deine Motivation klar zu kommunizieren!
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Wissenschaftliche*r Mitarbeiterin bzw. Mitarbeiter / Doktorandin bzw. Doktorand (m/w/d) Maschinelles Lernen und Kombinatorisc...
Tipps für deine Bewerbung 🫡
Mach es persönlich!: Zeig uns, wer du bist! Deine Bewerbung sollte nicht nur deine Qualifikationen auflisten, sondern auch deine Leidenschaft für das Thema Maschinelles Lernen und Kombinatorische Optimierung widerspiegeln. Lass uns wissen, warum du genau bei uns arbeiten möchtest!
Struktur ist alles!: Achte darauf, dass deine Unterlagen gut strukturiert sind. Ein klarer Lebenslauf und ein übersichtliches Anschreiben helfen uns, schnell einen Überblick über deine Erfahrungen und Fähigkeiten zu bekommen. Verwende Absätze und Aufzählungen, um die Lesbarkeit zu verbessern.
Beweise deine Fähigkeiten!: Wenn du Programmierkenntnisse in C/C++ hast, zeig uns das! Füge relevante Projekte oder Erfahrungen hinzu, die deine Fähigkeiten unter Beweis stellen. Das kann uns helfen, dich besser einzuschätzen und zu sehen, wie du in unser Team passt.
Bewirb dich über unsere Website!: Wir empfehlen dir, deine Bewerbung über das SecureMail-Portal der TUD einzureichen. So stellst du sicher, dass alles sicher und schnell ankommt. Vergiss nicht, alle geforderten Unterlagen als ein PDF-Dokument zusammenzufassen!
Wie du dich auf ein Vorstellungsgespräch bei Technische Universität Dresden vorbereitest
✨Mach dich mit der Forschung vertraut
Informiere dich über die aktuellen Forschungsprojekte und Publikationen der Professur für Maschinelles Lernen. Zeige im Interview, dass du nicht nur die Grundlagen verstehst, sondern auch ein echtes Interesse an den spezifischen Themen hast, die dort behandelt werden.
✨Bereite technische Fragen vor
Erwarte technische Fragen zu diskreter Mathematik und Optimierung. Übe, wie du deine Programmierkenntnisse in C/C++ demonstrieren kannst, indem du Beispiele aus deiner bisherigen Arbeit oder Studienprojekten bereit hältst.
✨Engagiere dich in der Lehre
Da Mitarbeit in der Lehre gefordert ist, überlege dir, wie du deine Erfahrungen und Ansichten zur Lehre einbringen kannst. Bereite dich darauf vor, zu erklären, wie du komplexe Themen verständlich vermitteln würdest.
✨Zeige deine Teamfähigkeit
Die TUD legt Wert auf Zusammenarbeit. Sei bereit, Beispiele zu nennen, wie du in der Vergangenheit erfolgreich im Team gearbeitet hast. Betone deine Fähigkeit, diverse Perspektiven zu schätzen und zu integrieren.