An der Universität Wien (mit 20 Fakultäten und Zentren, 179 Studienrichtungen, ca. 10.000 Mitarbeiter*innen und rund 90.000 Studierenden) ist ehestmöglich die Position einer*eines
Wissenschaftlichen Mitarbeiter*in ("post doc")
in der Forschungsgruppe Data Mining and Machine Learning
zu besetzen.
Kennzahl der Ausschreibung: 13159
Die Forschungsgruppe Data Mining & Machine Learning der Fakultät für Informatik schreibt eine Stelle für Universitätsassistent*innen (PostDoc) im Bereich Graph Learning aus.
Die Forschungsgruppe Data Mining & Machine Learning ist in 4 Arbeitsgruppen gegliedert, wobei diese Stelle in der Arbeitsgruppe von Ass.-Prof. Nils Kriege, Machine Learning with Graphs https://dm.cs.univie.ac.at/mlg/ angesiedelt ist. Sie bietet ein angenehmes Arbeitsklima in einem dynamischen, internationalen, jungen Team, dass am neuesten Stand der Forschung und Technologie arbeitet.
Die ausgeschriebene Stelle wird im Rahmen des Projekts GNNRecSys: Geometric deep learning based recommender engine with implicit feedback data von der FFG gefördert. Sie werden an der Entwicklung neuer Techniken für Graph-basierte Recommender Engines auf der Grundlage von Graph Neural Networks (GNNs) arbeiten. Hierzu zählt sowohl die methodische Weiterentwicklung, z.B. GNNs für heterogenen Graphen und skalierbare GNNs, wie auch die praxisnahe Umsetzung und experimentelle Evaluierung.
Wir bieten vielfältige fachliche und persönliche Entwicklungsmöglichkeiten, frühe Übernahme von Verantwortung in Forschungsprojekten, und internationalen Austausch.
Die Stelle ist auf die Dauer von 15 Monaten befristet und soll zum nächstmöglichen Zeitpunkt besetzt werden. Das Beschäftigungsausmaß beträgt 40 Stunden/Woche.
Dauer der Befristung: 1 Jahr/e
Dauer der Befristung: 3 Monat/e
Beschäftigungsausmaß: 40.0 Stunden/Woche.
Einstufung gemäß Kollektivvertrag: §48 VwGr. B1 lit. b (postdoc)
Darüber hinaus können anrechenbare Berufserfahrungen die Einstufung und damit das Entgelt bestimmen.
Ihre Aufgaben:
Mitarbeit in Forschung und Administration:
- Mitwirkung in Forschungsprojekten / bei wissenschaftlichen Studien
- Mitwirkung bei Publikationen / wissenschaftlichen Artikeln / Vortragstätigkeit
- Mitwirkung an Lehrveranstaltungen Studierendenbetreuung (optional)
- Mitwirkung bei der Organisation von Tagungen, Konferenzen, Symposien
- Mitwirkung in der Instituts-, Lehr- und Forschungsadministration
Ihr Profil:
Ausgezeichnete Kenntnisse in Maschinellem Lernen und Data-Mining
- Sehr gute Programmierkentnisse
- Nachweisbares Interesse an wissenschaftlicher Arbeit und an Publikationstätigkeit
- Abgeschlossenes PhD oder Doktoratsstudium in Informatik/Mathematik oder vergleichbare Studien
- Sehr gute Sprachkenntnisse in Englisch in Wort und Schrift
- Teamfähigkeit mit überzeugenden Social Skills
- Selbstständiges und verlässliches Arbeiten
Wünschenswert sind:
- Sehr gute Kenntnisse in zumindest einem der folgenden Themengebiete: Graph Neural Networks, Recommender Engines
- Erfahrungen mit PyTorch Geometric
- Praktische Erfahrung in der Umsetzung von Industrieprojekten
Forschungsfächer:
|
Hauptforschungsfach
|
Spezielle Forschungsfächer |
Wichtigkeit |
|
Informatik
|
Machine Learning;Data Mining |
Musskriterium |
Ausbildungen:
|
Bildungseinrichtung
|
Ausbildungsrichtung |
Spezielle Ausbildungsrichtung |
Wichtigkeit |
|
|
Mathematik, Informatik |
|
Musskriterium |
Sprachen:
|
Sprache
|
Sprachniveau |
Wichtigkeit |
|
Deutsch
|
Gute Kenntnisse |
Sollkriterium |
|
Englisch
|
Sehr gute Kenntnisse |
Musskriterium |
EDV:
|
Art der EDV-Kenntnisse
|
Spezifizierte EDV-Kenntnisse |
Wichtigkeit |
|
|
Sonstige |
Musskriterium |
Ihre Bewerbung:
Wir freuen uns auf Ihre aussagekräftige Bewerbung mit Motivationsschreiben unter der Kennzahl 13159, welche Sie bis zum 29.06.2022 bevorzugt über unser Job Center (
http://jobcenter.univie.ac.at/) an uns übermitteln.
Für nähere Auskünfte über die ausgeschriebene Position wenden Sie sich bitte an Kriege, Nils Morten +43-1-4277-79512.
Die Universität Wien betreibt eine antidiskriminatorische Anstellungspolitik und legt Wert auf Chancengleichheit und Diversität (http://diversity.univie.ac.at/). Insbesondere wird eine Erhöhung des Frauenanteils in Leitungspositionen und beim wissenschaftlichen Personal angestrebt. Frauen werden bei gleicher Qualifikation vorrangig aufgenommen.
DLE Personalwesen und Frauenförderung der Universität Wien
Kennzahl der Ausschreibung: 13159
E-Mail:
jobcenter@univie.ac.at
Datenschutzerklärung
Veröffentlicht am
Vollzeit-Stelle
