Auf einen Blick
- Aufgaben: Entwickle innovative Algorithmen für Graph Neural Networks und führe Simulationen durch.
- Arbeitgeber: Werde Teil der Universität Greifswald, einer innovativen Forschungsinstitution im Bereich Data Science.
- Mitarbeitervorteile: Flexible Arbeitszeiten, kreative Atmosphäre und Zugang zu einem leistungsstarken Rechencluster.
- Warum dieser Job: Arbeite an spannenden Projekten in einem schnell wachsenden Forschungsfeld mit direkter Unterstützung.
- Gewünschte Qualifikationen: Masterabschluss in Informatik oder verwandten Fächern, sehr gute Programmierkenntnisse und Teamfähigkeit.
- Andere Informationen: Bewerbungen bis zum 27. Juli 2025 einreichen, inklusive Lebenslauf und Zeugnissen.
Das voraussichtliche Gehalt liegt zwischen 36000 - 60000 € pro Jahr.
01 July 2025 Research Assistant is available for earliest possible appointment for a limited period of 36 months . There is an option to extend the contract. Payment will be made according to pay group 13 TV‑L Wissenschaft . The position is suitable for part-time employment. Graph Neural Networks (GNNs) are one of the fastest developing fields in machine learning. GNNs are already used for many applications, e.g. for predicting molecule properties, optimising PCB schematics or solving problems in the power grid. However, there are still fundamental problems that hinder their practical application. The aim of this position is to develop novel GNN algorithms to solve problems in the areas of dynamics, oversmoothing or expressivity. Job description Scientific services in research and teaching Development of algorithms in the field of Graph Neural Networks Carrying out simulations to evaluate the developed algorithms Evaluation of the algorithms using suitable statistical methods Publication of research results in journals and at conferences Collaboration in organisational and representative tasks Tasks will be assigned that are conducive to the preparation of a doctorate, habilitation or equivalent qualification. Job requirements University degree (master\’s or equivalent) in computer science, physics, mathematics or a closely related discipline with at least good grades at the start of employment Very good programming skills Good knowledge of the basics of machine learning and deep learning Knowledge of Python or willingness to learn Python Excellent English language skills Independent and goal-oriented way of working Ability to work in a team and very good communication skills Desirable skills Doctorate in computer science (if working towards a habilitation) Knowledge of discrete mathematics (foundations of graph theory) Experience in working with libraries and tools for deep learning (e.g. PyTorch, Keras) Knowledge of Git or other version control software German language skills We offer Exciting topic in a young and rapidly growing field of research A communicative, creative and appreciative working atmosphere BRAIN, a dedicated computing cluster with a powerful and flexible environment for scientific computing. BRAIN has various partitions that are optimised for different workloads, as well as a comprehensive service that supports you in using the resources. Direct support as one of the first members of the Machine Learning Group in Greifswald At gain-group.de you can get an impression of the junior research group from which the Machine Learning Group emerged This vacancy is open to all persons, irrespective of gender. Severely disabled applicants with the same qualifications will be considered with preference. In accordance with § 68(3) PersVG M-V, the Staff Council will only be involved in staff matters of the academic or artistic staff on request. Unfortunately, application costs (e.g. travel expenses for interviews) will not be reimbursed by the state of Mecklenburg-Vorpommern. Please note that by submitting your application, you provide your consent pursuant to data protection law for our processing of your application data. Further information about the legal bases and the use of your data can be found here . Please send applications via email as one PDF file to the following address by 27 July 2025, with reference to job advertisement 25/Sa15 . The application should include a detailed CV, a cover letter, copies of bachelor\’s and master\’s certificates, and a list of grades from the master\’s degree course. Questions can also be answered by Universität Greifswald Felix-Hausdorff-Straße 18 josephine.thomas@uni-greifswald.de Universität Greifswald Domstraße 11 17489 Greifswald MV DE
Research Assistant - Institute of Data Science 25/Sa15 Arbeitgeber: Universität Greifswald
Kontaktperson:
Universität Greifswald HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Research Assistant - Institute of Data Science 25/Sa15
✨Tipp Nummer 1
Nutze Networking-Plattformen wie LinkedIn, um Kontakte zu Fachleuten im Bereich Graph Neural Networks zu knüpfen. Suche nach Gruppen oder Foren, die sich mit maschinellem Lernen und GNNs beschäftigen, und beteilige dich aktiv an Diskussionen.
✨Tipp Nummer 2
Besuche Konferenzen oder Workshops, die sich auf maschinelles Lernen und Graph Neural Networks konzentrieren. Dort kannst du nicht nur dein Wissen erweitern, sondern auch potenzielle Kollegen und Vorgesetzte treffen, die dir bei deiner Bewerbung helfen können.
✨Tipp Nummer 3
Erstelle ein Portfolio von Projekten, die du in Python oder mit Deep-Learning-Frameworks wie PyTorch oder Keras umgesetzt hast. Dies zeigt deine praktischen Fähigkeiten und dein Engagement für das Thema, was bei der Bewerbung von großem Vorteil sein kann.
✨Tipp Nummer 4
Bereite dich auf technische Interviews vor, indem du häufige Fragen zu Graph Neural Networks und deren Anwendungen übst. Vertraue dich mit den neuesten Entwicklungen in diesem Bereich an, um während des Gesprächs kompetent und informiert aufzutreten.
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Research Assistant - Institute of Data Science 25/Sa15
Tipps für deine Bewerbung 🫡
Forschung betreiben: Informiere dich über das Institut für Datenwissenschaft und die spezifischen Anforderungen der Stelle. Besuche die offizielle Website, um mehr über die Forschungsprojekte und die Arbeitsatmosphäre zu erfahren.
Dokumente vorbereiten: Stelle sicher, dass du alle erforderlichen Dokumente hast: einen detaillierten Lebenslauf, ein aussagekräftiges Anschreiben, Kopien deiner Bachelor- und Masterzeugnisse sowie eine Notenübersicht deines Masterstudiums.
Anschreiben verfassen: Betone in deinem Anschreiben deine Programmierkenntnisse, dein Wissen über maschinelles Lernen und deine Motivation, im Bereich Graph Neural Networks zu arbeiten. Zeige auf, wie deine Fähigkeiten zur Lösung der beschriebenen Probleme beitragen können.
Bewerbung einreichen: Sende deine vollständige Bewerbung als eine PDF-Datei per E-Mail an die angegebene Adresse. Achte darauf, dass du die Stellenanzeige 25/Sa15 im Betreff erwähnst und alle Informationen korrekt sind.
Wie du dich auf ein Vorstellungsgespräch bei Universität Greifswald vorbereitest
✨Verstehe die Grundlagen von Graph Neural Networks
Da die Position sich auf Graph Neural Networks konzentriert, solltest du ein solides Verständnis der Grundlagen und aktuellen Entwicklungen in diesem Bereich haben. Bereite dich darauf vor, spezifische Fragen zu GNNs zu beantworten und zeige dein Interesse an den Herausforderungen, die in der Stellenbeschreibung erwähnt werden.
✨Demonstriere deine Programmierkenntnisse
Die Stelle erfordert sehr gute Programmierkenntnisse, insbesondere in Python. Sei bereit, Beispiele deiner bisherigen Projekte oder Erfahrungen zu teilen, die deine Fähigkeiten in der Programmierung und im Umgang mit Deep-Learning-Bibliotheken wie PyTorch oder Keras demonstrieren.
✨Bereite dich auf technische Fragen vor
Erwarte technische Fragen, die deine Kenntnisse in maschinellem Lernen und statistischen Methoden testen. Übe, wie du komplexe Konzepte einfach erklären kannst, um deine Kommunikationsfähigkeiten zu zeigen, die für die Zusammenarbeit im Team wichtig sind.
✨Zeige deine Teamfähigkeit und Kommunikationsskills
Die Fähigkeit, im Team zu arbeiten und effektiv zu kommunizieren, ist entscheidend. Bereite Beispiele aus deiner Vergangenheit vor, in denen du erfolgreich im Team gearbeitet hast oder Herausforderungen in der Kommunikation gemeistert hast. Dies wird dir helfen, deine Eignung für die Position zu unterstreichen.