PraeDoc Univ.Ass. Big Data Algorithms

• abgeschlossenes Diplom- bzw. Masterstudium der Informatik oder verwandter Studiengänge; grundlegende Erfahrung im Design effiziente Algorithmen;
• sehr gute Englischkenntnisse in Wort und Schrift;
• Aufnahme eines facheinschlägigen Doktoratsstudiums an der Universität Salzburg.

Gewünschte Qualifikation

• Erfahrung im Beschreiben komplexer technischer Zusammenhänge, Publikationen oder Manuskripte im Bereich Algorithmen oder Theoretische Informatik;
• sehr gute Programmierkenntnisse, vorzugsweise in C++.
• Gewünschte persönliche Eigenschaften: Lernbereitschaft, Belastbarkeit, Teamfähigkeit, selbständiges Arbeiten.

• Soziale und ökologische Verantwortung: u.a. Fahrradaktionen, Kunst- und Kulturangebote, Nachhaltigkeitsinitiative „PLUS Green Campus“
• Umfangreiche finanzielle Vorteile: : u.a. zusätzliche betriebliche Altersvorsorge, Fahrtkostenzuschuss, Förderung des Klimatickets, Vergünstigungen im USI und Sprachenzentrum sowie zahlreiche corporate cooperations
• Vielfältiges Weiterbildungsangebot: u.a. laufende interne und externe Fortbildungen, Coachings, Erasmus+ staff trainings, ein Uni-Start-Programm
• Lebensphasenorientiertes Arbeiten & Freizeit: u.a. Krabbelstuben-Betreuungsplätze, Ferienprogramme, bezahlte Mittagspause
• Gesundheit und Vorsorge: u.a. Gesundheitsprogramme, Impf- und Vorsorgeaktionen, psychologische Beratungsstunden
• Weitere Benefits: Hier klicken

Wir bieten ein Jahresbruttogehalt auf Basis Vollzeit von € 52.865,40., Die Arbeitsgruppe Big Data Algorithms betreibt Grundlagenforschung zum Entwurf und zur Analyse von prior-free algorithms, wobei der Schwerpunkt auf theoretischen Grundlagen und mathematischen Methoden liegt. Die Forschungsagenda wird von aktuellen Entwicklungen wie der Verlangsamung des Moore’schen Gesetzes und der zunehmenden Bedeutung von „Big Data“ und „Fast Data“ geprägt. Besondere Aufmerksamkeit gilt (a) verteilten und dynamischen Algorithmen, die in komplexen und sich entwickelnden Umgebungen effizient arbeiten, und (b) der Integration von Ansätzen des maschinellen Lernens in traditionelle Algorithmus-Designtechniken. Graphen bilden einen zentralen methodischen Rahmen und dienen als abstraktes Modell für eine Vielzahl von Netzwerken der realen Welt, darunter Kommunikationssysteme, soziale Strukturen und Infrastruktur-Netzwerke.