Finde einen Job 
Finde eine Ausbildung 
Top Arbeitgeber 
Top Universitäten 
Für Unternehmen Auf einen Blick
- Aufgaben: Entwickle innovative Algorithmen zur Lösung komplexer Differentialgleichungen und arbeite an spannenden Forschungsprojekten.
- Arbeitgeber: Werde Teil der Universität Greifswald, einer dynamischen Institution im Bereich Data Science und Machine Learning.
- Mitarbeitervorteile: Genieße eine kreative Arbeitsatmosphäre, flexible Arbeitszeiten und Zugang zu einem leistungsstarken Rechencluster.
- Warum dieser Job: Erlebe die Herausforderung, an der Spitze der Forschung zu stehen und deine Ideen in der Wissenschaft zu veröffentlichen.
- Gewünschte Qualifikationen: Master in Informatik, Physik oder Mathematik; sehr gute Programmierkenntnisse und Kenntnisse in maschinellem Lernen erforderlich.
- Andere Informationen: Die Stelle ist teilzeitgeeignet und bietet die Möglichkeit zur Promotion.
Das voraussichtliche Gehalt liegt zwischen 45000 - 60000 € pro Jahr.
01.07.2025 | Wissenschaftliches Personal, Promotionsstelle | Frist: 27.07.2025 wissenschaftliche*r Mitarbeiter*in zu besetzen. Es besteht die Option auf Verlängerung. Die Vergütung erfolgt nach Entgeltgruppe 13 TV-L Wissenschaft. Die Stelle ist teilzeitgeeignet. Sogenannte Physics-Informed Neural Networks (PINNs) haben bisher große Erfolge im Lösen von partiellen Differentialgleichungen (PDEs) erreicht. Sie werden insbesondere für Problemstellungen eingesetzt, in denen wenig experimentelle Daten vorliegen, wobei gleichzeitig analytische und numerische Methoden keinen Erfolg ermöglichen. Mit steigender Schwierigkeit der Differentialgleichungen wird die Anwendung von PINNs jedoch herausfordernd. Ziel dieser Stelle ist die Entwicklung von PINN-artigen Algorithmen zur Lösung von PDEs mit wachsendem Schwierigkeitsgrad, insbesondere auch für gekoppelte Systeme von PDEs. Arbeitsaufgaben: Wissenschaftliche Dienstleistungen in Forschung und Lehre Entwicklung von Algorithmen im Bereich Physics-Informed Machine Learning zur Lösung komplexer partieller Differentialgleichungen Enge Kooperation mit Kolleg*innen und Fachbereichen, aus denen die zu lösenden Gleichungen stammen Durchführung von Simulationen zur Evaluierung der entwickelten Algorithmen Evaluierung der Algorithmen mit geeigneten statistischen Methoden Publikation der Forschungsergebnisse in Zeitschriften und auf Konferenzen Mitarbeit bei organisatorischen und repräsentativen Aufgaben Es werden Aufgaben übertragen, die der Vorbereitung der Promotion, der Habilitation oder einer vergleichbaren Qualifikation förderlich sind. Einstellungsvoraussetzungen: Zum Zeitpunkt der Einstellung mit mindestens gutem Erfolg abgeschlossenes wissenschaftliches Hochschulstudium (Master oder äquivalent) in Informatik, Physik, Mathematik oder einer eng verwandten Disziplin Sehr gute Programmierfähigkeiten Gute Kenntnisse der Grundlagen des Maschinellen Lernens und des Deep Learning Python Kenntnisse oder die Bereitschaft Python zu lernen Gute Kenntnisse partieller Differentialgleichungen Sehr gute Englisch Kenntnisse Selbstständige und zielorientierte Arbeitsweise Teamfähigkeit und sehr gute Kommunikationsfähigkeiten wünschenswert: Promotion in Informatik (sofern auf eine Habilitation hingearbeitet werden soll) Kenntnisse in theoretischer Physik Erfahrung im Umgang mit Bibliotheken und Werkzeugen für Deep Learning (z. B PyTorch, Keras) Kenntnisse in Git oder anderer Software zur Versionskontrolle Deutschkenntnisse Wir bieten: Spannendes Thema in einem jungen und schnell wachsenden Forschungsfeld Kommunikative, kreative und wertschätzende Arbeitsatmosphäre BRAIN, einen dedizierten Rechencluster, mit leistungsstarker und flexibler Umgebung für wissenschaftliches Rechnen. BRAIN verfügt über diverse Partitionen, die für unterschiedliche Workloads optimiert sind, sowie einen umfassenden Service, der Sie bei der Nutzung der Ressourcen unterstützt Direkte Betreuung als eins der ersten Mitglieder der Machine Learning Gruppe in Greifswald Unter gain-group.de können Sie einen Eindruck der Nachwuchsforschungsgruppe gewinnen, aus der die Machine Learning Gruppe hervorgegangen ist Diese Ausschreibung richtet sich an alle Personen unabhängig von ihrem Geschlecht. Schwerbehinderte werden bei gleicher Eignung bevorzugt berücksichtigt. Gemäß § 68 Abs. 3 PersVG M-V erfolgt die Beteiligung des Personalrats in Personalangelegenheiten des wissenschaftlichen/künstlerischen Personals nur auf Antrag. Kosten, die Ihnen im Rahmen des Bewerbungsverfahrens entstehen, können vom Land Mecklenburg-Vorpommern leider nicht übernommen werden. Wir weisen darauf hin, dass die Einreichung der Bewerbung eine datenschutzrechtliche Einwilligung in die Verarbeitung Ihrer Bewerberdaten durch uns darstellt. Näheres zur Rechtsgrundlage und Datenverwendung finden Sie hier . Bewerbungen richten Sie bitte per E-Mail als eine PDF-Datei unter Angabe der Ausschreibungsnummer 25/Sa14 bis zum 27.07.2025 an nachfolgende Adresse. Die Bewerbung sollte einen ausführlichen Lebenslauf, ein Motivationsschreiben, Kopien von Bachelor- und Masterzeugnis sowie eine Notenaufstellung des Masterstudiums enthalten. Fragen beantwortet ebenfalls Universität Greifswald Felix-Hausdorff-Straße 18 josephine.thomas@uni-greifswald.de
Wissenschaftliche*r Mitarbeiter*in - Institut für Data Science 25/Sa14 Arbeitgeber: Universität Greifswald
Kontaktperson:
Universität Greifswald HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Wissenschaftliche*r Mitarbeiter*in - Institut für Data Science 25/Sa14
✨Tipp Nummer 1
Nutze dein Netzwerk! Sprich mit Professoren oder Kommilitonen, die bereits in der Forschung tätig sind oder Erfahrungen im Bereich Physics-Informed Neural Networks haben. Sie können dir wertvolle Einblicke geben und möglicherweise sogar Empfehlungen aussprechen.
✨Tipp Nummer 2
Engagiere dich in relevanten Projekten oder Workshops, die sich mit maschinellem Lernen und partiellen Differentialgleichungen beschäftigen. Dies zeigt nicht nur dein Interesse, sondern hilft dir auch, praktische Erfahrungen zu sammeln, die in einem Vorstellungsgespräch von Vorteil sein können.
✨Tipp Nummer 3
Bereite dich auf technische Interviews vor, indem du häufige Fragen zu Programmierung und Algorithmen übst. Da gute Programmierfähigkeiten gefordert sind, solltest du sicherstellen, dass du mit Python und den gängigen Deep Learning Bibliotheken wie PyTorch oder Keras vertraut bist.
✨Tipp Nummer 4
Informiere dich über aktuelle Trends und Entwicklungen im Bereich Physics-Informed Machine Learning. Zeige in Gesprächen, dass du über die neuesten Forschungen Bescheid weißt und wie diese für die Stelle relevant sind. Das wird dein Engagement und deine Leidenschaft für das Thema unterstreichen.
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Wissenschaftliche*r Mitarbeiter*in - Institut für Data Science 25/Sa14
Tipps für deine Bewerbung 🫡
Recherchiere das Institut: Informiere dich über das Institut für Data Science und die spezifischen Anforderungen der Stelle. Besuche die Website der Universität Greifswald, um mehr über deren Forschungsprojekte und die Machine Learning Gruppe zu erfahren.
Lebenslauf anpassen: Gestalte deinen Lebenslauf so, dass er die relevanten Erfahrungen und Fähigkeiten hervorhebt, die für die Position als wissenschaftliche*r Mitarbeiter*in wichtig sind. Betone deine Programmierkenntnisse, Erfahrungen im maschinellen Lernen und Kenntnisse in partiellen Differentialgleichungen.
Motivationsschreiben verfassen: Schreibe ein überzeugendes Motivationsschreiben, in dem du erklärst, warum du dich für diese Position interessierst und wie deine bisherigen Erfahrungen und Qualifikationen zu den Anforderungen der Stelle passen. Gehe auch auf deine Teamfähigkeit und Kommunikationsfähigkeiten ein.
Dokumente zusammenstellen: Stelle sicher, dass du alle erforderlichen Dokumente in einer PDF-Datei zusammenfügst. Dazu gehören dein Lebenslauf, das Motivationsschreiben, Kopien deiner Bachelor- und Masterzeugnisse sowie eine Notenaufstellung des Masterstudiums. Achte darauf, dass alles gut lesbar und ordentlich formatiert ist.
Wie du dich auf ein Vorstellungsgespräch bei Universität Greifswald vorbereitest
✨Bereite dich auf technische Fragen vor
Da die Stelle stark auf Physics-Informed Neural Networks und partielle Differentialgleichungen fokussiert ist, solltest du dich auf technische Fragen zu diesen Themen vorbereiten. Überlege dir Beispiele aus deiner bisherigen Arbeit oder Studienprojekten, die deine Kenntnisse in diesen Bereichen demonstrieren.
✨Zeige deine Programmierfähigkeiten
Stelle sicher, dass du deine Programmierkenntnisse, insbesondere in Python, während des Interviews hervorhebst. Bereite dich darauf vor, über spezifische Projekte zu sprechen, bei denen du deine Programmierfähigkeiten eingesetzt hast, und sei bereit, eventuell auch praktische Aufgaben zu lösen.
✨Kommunikation und Teamarbeit betonen
Die Stelle erfordert enge Zusammenarbeit mit Kolleg*innen. Sei bereit, Beispiele für erfolgreiche Teamprojekte zu teilen und wie du zur Kommunikation innerhalb des Teams beigetragen hast. Zeige, dass du sowohl selbstständig als auch teamorientiert arbeiten kannst.
✨Fragen zur Forschung und Lehre stellen
Bereite einige Fragen vor, die sich auf die Forschungsprojekte und Lehrtätigkeiten des Instituts beziehen. Dies zeigt dein Interesse an der Position und hilft dir, mehr über die Erwartungen und Möglichkeiten zur Weiterentwicklung zu erfahren.
