Der Finanzplatz macht sich fit für
künstliche Intelligenz – Unterstützen Sie
uns im Rahmen des an der TU Darmstadt
angesiedelten Projektes SafeFBDC!
Wesentliches Ziel von SafeFBDC ist die Entwicklung eines Financial
Big Data Clusters (FBDC) zur Absicherung der Datensouveränität im
Finanzsektor. Dabei handelt es sich um eine Cloud-basierte Finanzdatenplattform, die Daten aus unterschiedlichen Quellen bündelt und
passende KI-Werkzeuge für die Datenauswertung auf den Finanz -
daten bereitstellt. Im Kern des Vorhabens steht die Entwicklung
von neuen KI-basierten Konzepten, Referenzdatenmodellen und
Datenanalyseverfahren sowie das abschließende Bewerten der
KI-Algorithmen entlang von fünf Anwendungsszenarien aus der
Finanzindustrie.
SafeFBDC ist außerdem ein wesentlicher Teil der europäischen
GAIA-X-Initiative, eines Projekts zum Aufbau einer sicheren und vertrauenswürdigen
Dateninfrastruktur in Europa. Für die Umsetzung
der Finanzdatenplattform bedarf es neuer skalierbarer und vertrauenswürdiger Mechanismen für die Nutzung und Auswertung von
Daten im Finanzsektor. SafeFBDC ist zudem eingebettet in weitere
Aktivitäten der TU, wie z.B. dem Zentrum für angewandte Cybersicherheit ATHENE sowie im Hessischen Zentrum für Künstliche
Intelligenz, das seinen Hauptstandort an der TU Darmstadt hat. Die
beiden Bereiche KI und Cybersicherheit stellen wichtige Forschungs -
schwerpunkte der TU Darmstadt dar und umfassen weitere, das
SafeFDBC Vorhaben ergänzende Forschungsaktivitäten.
In diesem Kontext werden zum nächstmöglichen Zeitpunkt am
Fachbereich Informatik für verschiedene Fachgebiete mehrere
Wiss. Mitarbeiter_innen
(Postdoc) (w/m/d)
(Kenn-Nr. 46)
in jeweils auf bis zu 3 Jahren befristeten Arbeitsverhältnissen gesucht.
Voraussetzungen:
- Hervorragender wissenschaftlicher Hochschulabschluss (M.Sc. oder
vergleichbar) und Promotion im Bereich Informatik oder anderen,
für das jeweilige Projekt geeigneten Fachrichtungen
- Praktische Erfahrung im Design und der Implementierung komplexer
Softwareprojekte
- Übernahme der Verantwortlichkeiten für einzelne Arbeitspakete und
Anleitung von wissenschaftlichen Mitarbeiter_innen
- Hohes Interesse am wissenschaftlichen Arbeiten
- Fähigkeit und Interesse zur Zusammenarbeit in einem inter -
nationalen Forscher_innen-Team und industriellen Partnern
- Selbständigkeit, Eigeninitiative Teamfähigkeit und hohe Leistungs -
bereitschaft
- Bereitschaft, sowohl organisatorische und administrative Aufgaben
als auch ggf. Aufgaben in der Betreuung von Studierenden im
jeweiligen Fachgebiet bzw. Projekt zu übernehmen
Wir erwarten exzellente, eigenverantwortliche Forschung und fördern
deren Veröffentlichung auf internationalen Tagungen und in führenden
Fachzeitschriften. Erfolgreiche Bewerber_innen verfügen ferner über
sehr gute Englischkenntnisse in Wort und Schrift, hohe Einsatzbereitschaft
und die Fähigkeit zur kooperativen Zusammenarbeit. Zuverlässigkeit, Kreativität, Flexibilität und exzellente Kommunikationsfähigkeiten, sowie ein kooperativer, eigenverantwortlicher und zielorientierter
Arbeitsstil werden ebenfalls erwartet. Je nach Fachgebiet
sind zusätzlich jeweils spezielle Vorkenntnisse in einem oder mehreren
der folgenden Bereiche erforderlich:
Für das Fachgebiet Software Technology Group –
Frau Prof. Dr. Mira Mezini (FG-Code: STG)
- Sehr gute Kenntnisse im Bereich der Theorie und Praxis der
Programmierparadigmen, -Sprachen und -Plattformen
- Kenntnisse im Bereich Big Data Systeme, reaktive Programmiertechnologien für verteilte Systeme und Cloud-Technologien
- Sehr gute Programmierkenntnisse in Java, Scala, JavaScript oder
ähnlichen Programmiersprachen
Für das Fachgebiet Künstliche Intelligenz und Maschinelles
Lernen – Herr Prof. Dr. Kristian Kersting (FG-Code: ML)
- Sehr gute Kenntnisse im Bereich des Maschinellen Lernens, insbesondere zu Statistical Relational Learning, Probabilistic Circuits,
Probabilistic Programming und Geometry Deep Learning
- Kenntnisse im Deep Learning Stack (PyTorch, TensorFlow, …)
- Sehr gute Programmierkenntnisse in Python, C++, Julia oder
ähnlichen Programmiersprachen
Für das Fachgebiet Data Management –
Herr Prof. Dr. Carsten Binnig (FG-Code: DM)
- Sehr gute Kenntnisse im Bereich skalierbare Datenbanken
- Kenntnisse im Bereich Big Data Systeme (Hadoop, Spark, …) und
Cloud-Technologien
- Sehr gute Programmierkenntnisse in Java, Scala, C++ oder
ähnlichen Programmiersprachen
Das Erbringen der Dienstleistung dient zugleich der wissenschaftlichen
Qualifizierung. Gelegenheit zur Vorbereitung einer Habilitation wird
gegeben.
Die Technische Universität Darmstadt strebt eine Erhöhung des Anteils
der Frauen am Personal an und fordert deshalb besonders Frauen auf,
sich zu bewerben. Bewerber_innen mit einem Grad der Behinderung
von mindestens 50 oder diesen Gleichgestellte werden bei gleicher
Eignung bevorzugt. Die Vergütung erfolgt nach dem Tarifvertrag für
die Technische Universität Darmstadt (TV – TU Darmstadt).
Teilzeitbeschäftigung ist grundsätzlich möglich.
Mit dem Absenden Ihrer Bewerbung willigen Sie ein, dass Ihre Daten
zum Zwecke des Stellenbesetzungsverfahrens gespeichert und verarbeitet werden. Unsere Datenschutzerklärung finden Sie unter:
www.tu-darmstadt.de/datenschutzerklaerung.de.jsp
Wir freuen uns auf Ihre aussagekräftige Bewerbung bestehend aus
einem Motivationsschreiben, in dem Sie Ihr Interesse an der Forschung
im angegebenen Bereich darstellen und auf Ihre Stärken und Interessensschwerpunkte
eingehen, Lebenslauf, Kopien der Zeugnisse und
Referenzen. Bitte schicken Sie alle Unterlagen in einer PDF-Datei mit
max. 10 MB Größe mit Angabe der Kenn-Nr. sowie FG-Code an:
dm@cs.tu-darmstadt.de
Bei spezifischen Rückfragen wenden Sie sich bitte per E-Mail an die
zuständigen Professor_innen: STG: Frau Prof. Dr. Mira Mezini
(
mezini@cs.tu-darmstadt.de), ML: Herrn Prof. Dr. Kristian Kersting
(
kersting@cs.tu-darmstadt.de), DM: Herrn Prof. Dr. Carsten Binnig
(
dm@cs.tu-darmstadt.de). Für allgemeine Rückfragen steht Ihnen Frau
Mona Hajdu (
mona.hajdu@cs.tu-darmstadt.de) gerne zur Verfügung.
Bewerbungsfrist: 09. März 2021