Auf einen Blick
- Aufgaben: Lehre und Forschung im Bereich probabilistischer Methoden des maschinellen Lernens.
- Unternehmen: Universität Graz, ein Zentrum für interdisziplinäre digitale Forschung.
- Vorteile: Möglichkeit zur Mitgestaltung von Forschungsnetzwerken und interdisziplinärer Lehre.
- Weitere Informationen: Engagement für Gleichstellung und Vielfalt wird gefördert.
- Warum dieser Job: Gestalte die Zukunft der KI in einem dynamischen, interdisziplinären Umfeld.
- Qualifikationen: Doktorat in Mathematik oder Informatik, Erfahrung in Forschung und Lehre.
Das prognostizierte Gehalt liegt zwischen 80000 - 88000 € pro Jahr.
Das Professurprofil konzentriert sich auf die methodologischen 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 als neu gegründetes interdisziplinäres digitales Labor für grundlagen- und anwendungsorientierte Forschung im Bereich maschinelles Lernen, Datenwissenschaft und digitale Transformation fungiert. Die Professur pflegt enge Verbindungen zu Statistik, Optimierung, Datenwissenschaft, angewandter Mathematik sowie zu den verschiedenen Fachbereichen der Universität.
Die Position soll ausdrücklich die methodologische Expertise des IDea_Lab stärken, interdisziplinäre Forschung im Bereich probabilistisches maschinelles Lernen an der gesamten Universität Graz fördern und in diesem 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
- 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 methodologischen 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 (mit 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. Bei gleicher Qualifikation 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 der 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: University of Graz
Die Universität Graz ist ein hervorragender Arbeitgeber, der eine inspirierende Arbeitsumgebung für Wissenschaftler im Bereich der Digital Humanities bietet. Mit einem Fokus auf innovative Forschung und Lehre fördert die Universität das Wachstum ihrer Mitarbeiter durch zahlreiche Weiterbildungsmöglichkeiten und ein unterstützendes Team. Zudem profitieren die Angestellten von attraktiven Zusatzleistungen und einem wettbewerbsfähigen Gehalt, was die Universität zu einem idealen Ort für engagierte Fachkräfte macht.
