W3-Universitätsprofessur für das Fachgebiet "Theoretische Grundlagen für Deep Learning"

Die zu besetzende Professur soll Forschung und Lehre in einem oder mehreren der folgenden Gebiete durchführen:

• Theorie des überwachten und unüberwachten Deep Learning sowie generative AI Methoden,
• Grundlagen der statistischen Eigenschaften und Optimierung von Deep Learning,
• Einbeziehung von a-priori Wissen in das Training sowie die Gestaltung der Architekturen,
• Theoretische Erforschung wie Invarianzen, Symmetrien, Equivarianzeigenschaften etc. modelliert oder gelernt werden können (mit Anwendungen in den Wissenschaften),
• Theoretische Grundlagen tiefer Lernarchitekturen und Inferenzprinzipien,
• Grundlagen Generativer KI.

Die/der Stelleninhaber*in der Professur soll gemäß Bund-Länder-Vereinbarung überwiegend mit Forschungstätigkeiten betraut werden. Es ist geplant, die Lehrverpflichtung nach § 1 i.v.m. § 7 LVVO zu reduzieren. Als international profilierte Universität setzen wir die Fähigkeit voraus, in deutscher und englischer Sprache zu unterrichten, oder die Bereitschaft, fehlende Sprachkenntnisse in angemessener Zeit zu erwerben.

Die/der Stelleninhaber*in soll Forschungsaufgaben für Studienabschluss und Promotionsarbeiten anbieten und diese betreuen. Die Einwerbung und Bearbeitung von Drittmittelprojekten und eine enge Zusammenarbeit mit den vorhandenen BIFOLD-Fachgebieten sind Teil des Aufgabenfeldes.

Zu den weiteren Aufgaben gehören Führung und Leitung des Fachgebietes und dessen Mitarbeiter*innen, Förderung von wissenschaftlichem Nachwuchs, Frauen und gesellschaftlicher Vielfalt, Wissens- und Technologietransfer, Initiativen zur Internationalisierung, gender- und diversity-kompetentes und nachhaltigkeitsorientiertes Handeln sowie Gremien- und Kommissionsarbeit., + Wissenschaft & Forschung

• Forschung
• Lehre

Bildungsabschluss: Master, Diplom oder Äquivalent und Promotion

• ein abgeschlossenes, einschlägiges Hochschulstudium mit Schwerpunkt Informatik,
• besondere Befähigung zu wissenschaftlicher Arbeit, die in der Regel durch die Qualität einer Promotion im Bereich Maschinelles Lernen/Deep Learning nachgewiesen wird,
• zusätzliche wissenschaftliche Leistungen, z. B. positiv evaluierte Juniorprofessur, Habilitation oder habilitationsäquivalente Leistungen sowie
• pädagogische Eignung, nachgewiesen durch Ihr Lehrportfolio, vgl. hierzu https://www.tu.berlin/go209650/

Darüber hinaus sind mehrjährige fachspezifische Lehrerfahrung, ein ausgewiesenes und international herausragendes Forschungsprofil in mindestens einem der vorgenannten Forschungsthemen, dokumentiert durch einschlägige Publikationen, Erfahrungen in nationalen und internationalen Forschungskooperationen (nachgewiesen durch entsprechende Auslandsaufenthalte und/oder maßgebliche Beteiligung in Projekten) erforderlich.

Fundierte Kenntnisse mit Anwendungen von Deep Learning in Computer Vision oder/und den Wissenschaften, Anpassen von Domänenwissen für Deep Learning, Grundlagen tiefer Lernarchitekturen und Inferenzprinzipien, Repräsentationslernen, sowie der technischen und systematischen Umsetzung neuartiger Konzepte, insbesondere im Rahmen von Open Source oder Datenanalyseplattformen werden erwartet.

Die Technische Universität Berlin ist mit rund 35.000 Studierenden, rund 350 Professuren und rund 7000 Beschäftigten Exzellenzuniversität im Rahmen der Berlin University Alliance. Das Berliner KI-Kompetenzzentrum BIFOLD (Berlin Institute for Foundations of Learning and Data) an der Technischen Universität Berlin ist eines der fünf nationalen universitären KI-Zentren. BIFOLD verfolgt das Ziel, Grundlagenforschung, Ausbildung und Technologietransfer in den Bereichen Big Data und Maschinelles Lernen sowie an deren Schnittstelle zu fördern und die internationale Spitzenstellung Berlins in diesem Bereich weiter auszubauen. www.bifold.berlin Wir schätzen die Vielfalt unserer Mitglieder, verfolgen die Ziele der Chancengleichheit und sind als familiengerechte Hochschule zertifiziert.