Auf einen Blick
- Aufgaben: Lehre und Forschung im Bereich probabilistischer Methoden des maschinellen Lernens.
- Unternehmen: Universität Graz, interdisziplinäres Umfeld mit Fokus auf digitale Transformation.
- Vorteile: Karriereentwicklung, internationale Zusammenarbeit und Zugang zu Forschungsnetzwerken.
- Weitere Informationen: Engagement für Gleichstellung und Vielfalt wird gefördert.
- Warum dieser Job: Gestalte die Zukunft der KI in einem dynamischen, interdisziplinären Team.
- Qualifikationen: Doktorat in Mathematik oder Informatik, Erfahrung in interdisziplinärer Forschung.
Das prognostizierte Gehalt liegt zwischen 74250 - 90750 € pro Jahr.
Wissenschaftliches Profil
Die Professur konzentriert sich auf die methodischen Grundlagen und Anwendungen probabilistischer Methoden des maschinellen Lernens im interdisziplinären Kontext einer umfassenden Universität. Probabilistische Modelle und probabilistische Methoden des maschinellen Lernens sind zentrale Bausteine der modernen KI und bilden eine grundlegende Basis für die Anwendung von KI in den Geisteswissenschaften, Naturwissenschaften, Umweltwissenschaften, Rechtswissenschaften, Sozialwissenschaften und Wirtschaftswissenschaften.
Geeignete Kandidaten werden beispielsweise Themen wie die Entwicklung und Analyse probabilistischer Modelle (z.B. Bayes'sche Modelle, latente Variablenmodelle), effiziente Inferenzmethoden (z.B. Sampling-Methoden), Unsicherheitsquantifizierung, Kalibrierung und probabilistische Vorhersage sowie die interdisziplinäre Anwendung dieser Methoden ansprechen.
Die Professur ist im IDea_Lab der Universität Graz eingebettet, das das neu gegründete Interdisziplinäre Digitale Labor für grundlagen- und anwendungsorientierte Forschung im Bereich maschinelles Lernen, Datenwissenschaft und digitale Transformation ist. Die Professur pflegt enge Verbindungen zu Statistik, Optimierung, Datenwissenschaft, angewandter Mathematik sowie zu den verschiedenen Fachbereichen der Universität.
Die Position soll ausdrücklich die methodische Expertise des IDea_Lab stärken, interdisziplinäre Forschung im Bereich probabilistisches maschinelles Lernen an der gesamten Universität Graz fördern und für diesen Bereich in der Lehre verantwortlich sein. Der ernannte Professor wird erwartet, ein starkes intrinsisches Interesse am Aufbau robuster interdisziplinärer Forschungsnetzwerke innerhalb der Universität Graz zu haben, beginnend beim inter-fakultären IDea_Lab, und das Feld zusammen mit den bereits am IDea_Lab ansässigen Professuren und Forschungspartnern in den einzelnen Fakultäten und Abteilungen durch neuartige interdisziplinäre Konzepte und Forschungsansätze zu konsolidieren.
Anforderungen
- Österreichischer oder gleichwertiger ausländischer Hochschulabschluss, der der Position entspricht (Doktorat/PhD)
- Habilitation oder gleichwertige Qualifikation in Mathematik, Informatik oder verwandten Disziplinen
- Hervorragende akademische Qualifikationen in Forschung und Lehre in der relevanten Disziplin und für das Profil der Professur (entsprechend dem Stand der akademischen Karriere und Unterbrechungen der Beschäftigung aufgrund von Betreuungsverantwortung)
- Erfolg bei der Akquise von fachspezifischen Projektmitteln, insbesondere bei wettbewerblich vergebenen Drittmitteln
- Fähigkeiten in der Hochschuldidaktik, einschließlich der Nutzung digitaler Medien
- Fähigkeiten in der Betreuung und Anleitung von Nachwuchswissenschaftlern
- Berufserfahrung im Ausland während der akademischen Laufbahn
- Management- und Führungserfahrung
- Gender-Mainstreaming- und Diversitätsmanagementfähigkeiten
- Ausgezeichnete Englischkenntnisse und Bereitschaft, Deutsch zu lernen
- Herausragende wissenschaftliche Leistungen sowohl in den interdisziplinären Anwendungen als auch in der methodischen Entwicklung probabilistischer Methoden des maschinellen Lernens
- Erfahrung und Expertise in interdisziplinärer Zusammenarbeit, nachgewiesen durch relevante Publikationen in hochrangigen Fachzeitschriften des jeweiligen Anwendungsbereichs
- Erfahrung und/oder Bereitschaft zur interdisziplinären Lehre
- Erfahrung in der Wissenschaftskommunikation (bevorzugt)
- Erfahrung in Open Science (bevorzugt)
Auswahlkriterien
Der erfolgreiche Kandidat wird hochmotiviert sein, strebt nach akademischer Exzellenz und Integrität in Forschung und Lehre. Er/Sie wird die Fähigkeit demonstriert haben, konstruktiv und verantwortungsbewusst zusammenzuarbeiten und Kollegen und Studierende in einem interdisziplinären, international orientierten Kontext zu inspirieren.
Bewerbungsunterlagen
- Motivationsschreiben
- Lebenslauf mit Beschreibung Ihrer akademischen Laufbahn
- Liste der Publikationen, nummeriert, mit vollständigen bibliografischen Informationen, sortiert nach Monographien, (Co-)herausgegebenen Bänden, Zeitschriftenartikeln und anderen Informationen
- Lehrstatement einschließlich Darstellung der bisherigen Lehre
- Liste der bisherigen Forschungsprojekte und Kooperationen
- Beschreibung der zukünftigen Forschungsabsichten
- Liste Ihrer fünf wichtigsten Publikationen
Bitte reichen Sie Ihre Bewerbungsunterlagen in Englisch ein.
Gleichstellungsprinzip
Die Universität Graz setzt sich dafür ein, den Anteil weiblicher Mitarbeiterinnen, insbesondere in Führungspositionen, zu erhöhen. Wir ermutigen daher qualifizierte weibliche Kolleginnen besonders, sich auf diese Position zu bewerben. Im Falle gleicher Qualifikationen erhalten Frauen Vorrang.
Bitte beachten Sie, dass wir zur Einhaltung der geltenden Datenschutzbestimmungen Bewerbungen nur über unser webbasiertes Bewerbertool für diese vakante Position annehmen können.
Hearing-Termine
Geplante Termine für die Präsentation der Bewerber: 1.-3. März 2027
Kontakt
Univ. Prof. Dr. Martin Holler (martin.holler@uni-graz.at)
Professor of Machine Learning Methods 2 Arbeitgeber: Universität Graz
Als Arbeitgeber bieten wir eine dynamische und unterstützende Arbeitsumgebung, die auf Teamarbeit und persönliche Entwicklung setzt. Unsere Mitarbeiter profitieren von flexiblen Arbeitszeiten, umfangreichen Weiterbildungsmöglichkeiten und einem positiven Arbeitsklima, das Kreativität und Engagement fördert. Besonders in dieser Rolle als Koordinator:In für Front-Office und Lehre in einer internationalen Umgebung haben Sie die Chance, Ihre Fähigkeiten in einem vielfältigen Team einzubringen und weiterzuentwickeln.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Professor of Machine Learning Methods 2 erhalten könntest
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Universität Graz zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Wir glauben, dass du diese Fähigkeiten brauchst, um Professor of Machine Learning Methods 2 mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Professor of Machine Learning Methods 2 bei Universität Graz gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Universität Graz vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Universität Graz entscheidend sein!
