Jobs aus Bewerberportal

Akademische Mitarbeiterin / Akademischer Mitarbeiter (w/m/d)
- zur berufsbegleitenden Promotion zum Thema: Raum-Zeit-Statistik in der Energie- und Verkehrswende / Teilzeit 75% -

Bereich

Tätigkeitsbeschreibung

Das Scientific Computing Center ist das Informationstechnologie-Zentrum des KIT.

Die neu eingerichtete Forschungsgruppe Methoden für Big Data am Scientific Computing Center sucht einen Doctoral Research Fellow im Rahmen des Sonderforschungsbereichs (SFB) TRR 391 "Raum-Zeit-Statistik für die Energiewende und den Verkehr" in Kooperation mit der Ruhr-Universität Bochum. Im neu bewilligten Transregio (TRR) 391 werden statistische Methoden zur Modellierung und Prognose von Daten zur Energie- und Mobilitätswende entwickelt.

Die Stelle ist dem neu gegründeten Sonderforschungsbereich (SFB) TRR 391 "Raum-Zeit-Statistik für die Energiewende und den Verkehr" zugeordnet, der von der Deutschen Forschungsgemeinschaft (DFG) gefördert wird. Im Rahmen des Projekts wird eine weitere Stelle in Bochum eingerichtet, die gemeinsam von Prof. Dette (Bochum) und Prof. Klein (Karlsruhe) betreut wird.

In diesem Projekt werden Sie:

• neuartige Methoden entwickeln, die das Potenzial statistischer Tests und der Bayes'schen Statistik nutzen, um sparsame, aber flexibel variierende Abhängigkeitsstrukturen zwischen mehreren über Raum und Zeit beobachteten Variablen zu modellieren
• die theoretischen Eigenschaften der entwickelten Methoden untersuchen
• die entwickelten Modelle testen und implementieren
• die Ergebnisse auf Workshops und Konferenzen veröffentlichen

Diese Stelle bietet die Möglichkeit, einen Doktorgrad zu erwerben. Einzelheiten über die Forschungsgruppe finden Sie unter https://kleinlab-statml.github.io/

Persönliche Qualifikation

Sie bringen mit:

• ein abgeschlossener Hochschulabschluss (Master) mit Schwerpunkt Statistik oder Data Science oder alternativ Mathematik, Informatik, Wirtschaftswissenschaften oder verwandte Studiengänge (mit Schwerpunkt Statistik oder Data Science).
• Grundkenntnisse und erste Erfahrungen mit flexiblen Regressionsmethoden, Bayes'scher Statistik, Copulas oder statistischen Tests
• Solide Programmierkenntnisse in einer wissenschaftlichen Programmiersprache, z. B. Python, R
• Ausgeprägte mathematische Fähigkeiten
• Hohes Maß an Kreativität, Engagement, analytischer Kompetenz und interdisziplinärer Teamarbeit
• Gute Englischkenntnisse in Wort und Schrift für Ihre wissenschaftlichen Veröffentlichungen und Präsentationen

Wir bieten Ihnen eine spannende und abwechslungsreiche Tätigkeit in einem agilen Team sowie vielfältige Weiterbildungsmöglichkeiten und flexible und familienfreundliche Arbeitszeitmodelle. Weitere Informationen über SCC als Ihre neue berufliche Heimat finden Sie unter https://www.scc.kit.edu/en/aboutus/working-at-scc.php

Wir freuen uns auf Ihre Bewerbung (Motivationsschreiben / Lebenslauf / Zeugnisse)

Entgelt

EG 13, sofern die fachlichen und persönlichen Voraussetzungen erfüllt sind. 

Akademische Mitarbeiterin / Akademischer Mitarbeiter Scientific Computing & Simulation (w/m/d)

Bereich

Tätigkeitsbeschreibung

Das Scientific Computing Center ist das Informationstechnologie-Zentrum des KIT.

Zu Ihren Aufgaben zählen:

• Leitung der Abteilung SCS inkl. Führung und Koordination der Arbeiten innerhalb der Abteilung und deren strategische Ausrichtung im Zusammenwirken mit nationalen und internationalen HPC-Initiativen.
• Strategische Ausrichtung, Koordination und Weiterentwicklung des HPC-Softwareteams
• Einwerbung und Durchführung von (Drittmittel)Projekten, Finanzplanung und -controlling landes- und bundesfinanzierter HPC-Infrastrukturen, Koordination von Evaluationsvorhaben laufender und abgeschlossener HPC-Projekte und -Infrastrukturen.
• Betreuung von Softwareprodukten inkl. Verhandlung mit Anbietern und Herstellern sowie Initiierung der Beschaffung

Persönliche Qualifikation

Sie bringen mit:

• Abgeschlossenes Hochschulstudium (Diplom (Uni)/Master) in einem MINT-Fach mit abgeschlossener Promotion
• Langjährige Berufserfahrung (min. 10 Jahre) im HPC-Umfeld zwingend erforderlich
• Langjährige Führungserfahrung Gruppenleitung (min. 6 Jahre) durch Teamleitung / im Bereich HPC setzen wir voraus
• Langjährige Führungserfahrung (min. 10 Jahre) von IT-Projekten in standortübergreifenden HPC-Verbünden sowie Koordinationserfahrung bei national bzw. international geführten Evaluationsvorhaben von standortübergreifenden HPC-Infrastrukturen.
• Fachkenntnisse in der HPC-Software- und HPC-Nutzenden-Betreuung (Lizenzverhandlungen, Bereitstellungsmodalitäten, Nutzendenberatung und -weiterbildung) sind unabdingbar 
• Sehr gute Englischkenntnisse (Wort /Schrift)

Wir im SCC ermöglichen Ihnen eine spannende und abwechslungsreiche Tätigkeit innerhalb eines agilen Teams sowie ein breitgefächertes Fortbildungsangebot und flexible und familienfreundliche Arbeitszeitmodelle. Information zum SCC als Ihre neue berufliche Heimat erfahren Sie auf KIT - SCC - Über uns - Arbeiten am SCC

Wir freuen uns auf Ihre Bewerbung (Motivationsschreiben / Lebenslauf/ Zeugnisse)!

Entgelt

EG 15, sofern die fachlichen und persönlichen Voraussetzungen erfüllt sind. 

Doktorandin / Doktorand (w/m/d) zur Quantifizierung von Unsicherheiten bei multiskaliger Materialmodellierung
- PhD Position / Akademischer Mitarbeiter mit 75% Teilzeit -

Bereich

Tätigkeitsbeschreibung

Das Scientific Computing Center ist das Informationstechnologie-Zentrum des KIT.

Dieses Forschungsthema befasst sich mit der Quantifizierung der Unsicherheit von Multiskalen-Materialmodellierungsmethoden.

• Sie untersuchen insbesondere wird die Kopplung der atomistischen Molekulardynamik mit der Kontinuumsmodellierung und der Dichtefunktional­theorie mit der grobkörnigen kinetischen Monte-Carlo-Methode in den folgenden zwei Anwendungsfällen
• Sie nutzen die erste Anwendung "Reibung an Fest-Flüssig-Grenzflächen", bei der die Molekulardynamik mit einem Kontinuumslöser gekoppelt ist, müssen Methoden zur lokalen und globalen Sensitivitätsanalyse entwickelt werden, um die durch die Molekulardynamiksimulationen verursachten Fehler zu bestimmen und zu unterscheiden.
• In der zweiten Anwendung "Single-Site-Katalyse in porösen Materialien" wird die Ausbreitung verschiedener Arten von Unsicherheiten aus Dichtefunktionaltheorie­berechnungen durch gekoppelte kinetische Monte-Carlo-Simulationen (KMC) mittels globaler Sensitivitätsanalyse untersucht.

Die Einstellung erfolgt zum Zwecke der Promotion. Die Arbeit wird im Rahmen des interdisziplinären Graduiertenkollegs 2450 "Tailored Scale-Bridging Approaches to Computational Nanoscience" in enger Zusammenarbeit mit Partner-Doktoranden innerhalb des Graduiertenkollegs durchgeführt.

Persönliche Qualifikation

• Sie verfügen über ein abgeschlossenes Studium (Masterniveau) in Mathematik oder einem kompatiblen MINT-Fach
• Kenntnisse oder Erfahrungen in mindestens einem der folgenden methodischen Bereiche sind von Vorteil:
• • mathematische Modellierung
  • maschinelles Lernen / statistische Modellierung
  • Quantifizierung der Unsicherheit.

Wir ermöglichen Ihnen eine spannende und abwechslungsreiche Tätigkeit innerhalb eines agilen Teams sowie ein breitgefächertes Fortbildungsangebot und flexible und familienfreundliche Arbeitszeitmodelle. Information zum SCC als Ihre neue berufliche Heimat erfahren Sie auf KIT - SCC - Über uns - Arbeiten am SCC

Wir freuen uns auf Ihre Bewerbung (Motivationsschreiben / Lebenslauf/ Zeugnisse)!

Entgelt

EG 13, sofern die fachlichen und persönlichen Voraussetzungen erfüllt sind. 

Postdoctoral Research Fellow (w/m/d)
- Schwerpunkt: Probabilistic Learning & Methods for Big Data

Bereich

Tätigkeitsbeschreibung

Das Scientific Computing Center ist das Informationstechnologie-Zentrum des KIT.

Die neu eingerichtete Forschungsgruppe Methoden für Big Data am Scientific Computing Center sucht einen Postdoctoral Research Fellow (w/m/d)

Im Rahmen der Tätigkeit werden Sie:

• neue Methoden entwickeln, die das Potenzial des statistischen Lernens und des Bayesian (Deep) Learning nutzen
• die theoretischen Eigenschaften der entwickelten Algorithmen untersuchen
• die entwickelten Methoden implementieren
• einen Beitrag zur gemeinsamen Forschung innerhalb der Gruppe leisten
• die Ergebnisse in hochrangigen Journalen und auf Workshops und Konferenzen publizieren

Details über die Forschungsgruppe finden Sie unter https://kleinlab-statml.github.io/.

Persönliche Qualifikation

Sie bringen mit:

• ein ausgezeichnetes Hochschulstudium (Master / Diplom (Uni)) mit abgeschlossener Promotion in Statistik, Mathematik, Data Science, Informatik oder ähnliche Studiengänge
• Fachkenntnisse in mindestens einem der folgenden Bereiche: Statistisches Lernen, Bayesian (Deep) Learning, Quantifizierung von Unsicherheit und probabilistisches maschinelles Lernen, hochdimensionale Statistik, Verteilungsregression, kausale Inferenz, kontinuierliches Lernen, hybride Algorithmen
• Erfolgsbilanz und hervorragende Veröffentlichungen in mindestens einem der oben genannten Hauptforschungsbereiche
• Solide Programmierkenntnisse in einer wissenschaftlichen Programmiersprache, z. B. Python, R
• Ausgeprägte mathematische Fähigkeiten
• Hohes Maß an Kreativität, Engagement, analytischer Kompetenz und interdisziplinärer Teamarbeit
• Gute Englischkenntnisse in Wort und Schrift für Ihre wissenschaftlichen Veröffentlichungen und Präsentationen

Wir ermöglichen Ihnen eine spannende und abwechslungsreiche Tätigkeit innerhalb eines agilen Teams sowie ein breitgefächertes Fortbildungsangebot und flexible und familienfreundliche Arbeitszeitmodelle. Information zum SCC als Ihre neue berufliche Heimat erfahren Sie auf KIT - SCC - Über uns - Arbeiten am SCC

Wir freuen uns auf Ihre Bewerbung (Motivationsschreiben / Lebenslauf / Zeugnisse)!

Entgelt

EG 13, sofern die fachlichen und persönlichen Voraussetzungen erfüllt sind.