In der Technischen Fakultät ist die folgende Position zu besetzen:
Wissenschaftliche*r Mitarbeiter*in (m/w/d) (PostDoc) - Genome Data Science
Die Arbeitsgruppe „Genome Data Science“ an der Technischen Fakultät wird von Prof. Dr. Alexander Schönhuth geleitet und ist Mitglied des Centrums für Biotechnologie (CeBiTec). Die Forschung der Arbeitsgruppe befasst sich mit dem Einsatz von Verfahren der Künstlichen Intelligenz, Data Science, Algorithmik und Sequenzanalyse zur Auswertung der sehr großen Datenmengen, die vor allem bei der modernen Hochdurchsatzsequenzierung anfallen. Dabei decken wir ein breites Spektrum der Algorithmen- und Softwareentwicklung ab: von grundsätzlichen Verfahren der Sequenzanalyse und computergestützten Pan-Genomik bis hin zur Entwicklung von KI-Verfahren. Ein Schwerpunkt liegt dabei auf dem Einsatz von Deep Learning zur Analyse genetischer Krankheiten oder von Mikrobiomen.
In unserer akademischen Ausbildung konzentrieren wir uns auf Algorithmen für die effiziente Analyse von Genomsequenzen, auf das Design von Datenstrukturen, die große Mengen von Genomen miteinander in Beziehung setzen können, sowie auf die Erstellung von Machine-Learning-Verfahren (wie z. B. das Design von Architekturen tiefer neuronaler Netze), mit denen Genomdaten ausgewertet werden können. Dabei ist der reale Nutzen solcher Verfahren, beispielsweise im Sinne des Verstehens bislang unverstandener Krankheiten, ein wichtiger Punkt. Bei der täglichen Arbeit stehen dennoch die Kreativität und der Spaß am Design von Algorithmen, an der statistischen Modellierung und der Erschaffung neuer Verfahren der künstlichen Intelligenz im Vordergrund.
- Forschung (75 %) in folgendem Bereich:
- Ausführung von Optimal-Transport-basierten Techniken
- Bearbeitung diskreter Ricci-Flows und der entsprechenden Cluster-Verfahren
- Metric Learning für das Einbetten von sehr großen, bakteriellen Sequenzdaten
- Deep-Learning-basierte generative Techniken anwenden (z. B. Diffusion, Flow Matching) für das Generieren von Genom-Daten
- Mathematisch orientierte Techniken der künstlichen Intelligenz anwenden
- Attention- und State-Space-Modell-basierten Verfahren zum Prozessieren biomedizinischer Daten durchführen
- Lehre und lehrunterstützende Tätigkeiten im Umfang von 4 LVS (25%)
Die Beschäftigung ist der wissenschaftlichen Qualifizierung förderlich.
- Vergütung nach E13 TV-L
- befristet auf 3 Jahre (§ 2 Abs. 1 Satz 1 oder 2 WissZeitVG; entsprechend den Vorgaben des WissZeitVG und des Vertrages über gute Beschäftigungsbedingungen kann sich im Einzelfall eine abweichende Vertragslaufzeit ergeben)
- Vollzeit
- interne und externe Fortbildungsmöglichkeiten
- Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten
- Vereinbarkeit von Familie und Beruf
- flexible Arbeitszeiten
- betriebliche Zusatzversorgung (VBL)
- kollegiale Zusammenarbeit
- offene und angenehme Arbeitsatmosphäre
- spannende und abwechslungsreiche Tätigkeiten
- vielfältige Angebote (Mensa, Cafeteria, Restaurants, Uni-Shop, Geldautomaten etc.)
- abgeschlossenes wissenschaftliches Hochschulstudium in einem verwandten Themengebiet
- abgeschlossene oder weit fortgeschrittene Promotion in einem verwandten Themengebiet
- sehr gute Programmierkenntnisse
- Erfahrung und fundierte Kenntnisse der KI
- Teamfähigkeit
- kooperative und teamorientierte Arbeitsweise und Kommunikationsstärke
- gute Deutsch- und Englischkenntnisse in Wort und Schrift
- selbständige, eigenverantwortliche und engagierte Arbeitsweise
- ausgeprägte Organisations- und Koordinationsfähigkeit
- ausgeprägte Präsentations- und Moderationskompetenz
Dann freuen wir uns über Ihre aussagekräftige Bewerbung. Bitte nutzen Sie hierzu vorzugsweise unser Online-Formular, welches Sie über den unten stehenden Button "JETZT BEWERBEN" erreichen.
Bewerbungsfrist: 24.07.2025