Das Weierstraß-Institut für Angewandte Analysis und Stochastik (WIAS) ist ein Institut des Forschungsverbundes Berlin e.V. (FVB). Der FVB ist Träger von sieben außeruniversitären naturwissenschaftlichen Forschungsinstituten in Berlin, die von der Bundesrepublik Deutschland und der Gemeinschaft der Länder finanziert werden. Die Forschungsinstitute sind Mitglieder der Leibniz-Gemeinschaft.

Das WIAS liegt im Zentrum Berlins, eine der kulturreichsten und vielfältigsten internationalen Städte der Welt. Unser Institut ist eine führende Forschungseinrichtung mit einem Schwerpunkt in Optimierung, optimaler Steuerung, dynamischen Systemen und angewandter Mathematik im Allgemeinen. Durch das WIAS wurden bereits große internationale Konferenzen in der mathematischen Optimierung, wie z. B, die ICCOPT 2019, ausgerichtet. Im Rahmen des Projektes wird sowohl die Zusammenarbeit innerhalb des WIAS sowie mit externen Spitzeninstituten wie dem Max-Planck-Institut für Intelligente Systeme in Tübingen angestrebt.

Am WIAS ist in der Weierstraß-Gruppe

"Data-driven Optimization and Control"

(Leitung: Dr. Jia-Jie Zhu) zum nächstmöglichen Zeitpunkt eine Stelle als

Doktorand/in (w/m/d)

im Bereich Robustes maschinelles Lernen und datengetriebene Optimierung

(Kennziffer 21/15)

zu besetzen.

Robustheit spielt beim maschinellen Lernen und bei der Optimierung eine immer wichtigere Rolle. Zum Beispiel können Lerner und Optimierungslösungen fragil werden, sobald sich die Testumgebungen vom Training unterscheiden. Wir suchen Kandidatinnen und Kandidaten, die sich für die Erforschung von Robustheit in datengetriebener Optimierung und maschinellem Lernen begeistern, im weitesten Sinne definiert als z.B. verteilungsbezogene Robustheit/adversarische Robustheit/Generalisierung/Robustheit und Kausalität/robuste Optimierung/Robustheit in RL und Steuerung.

Erwartet wird ein abgeschlossenes wissenschaftliches Hochschulstudium (Master oder vergleichbar) in Mathematik, Informatik, oder Regelungstheorie. Gesucht werden Kandidatinnen und Kandidaten mit einem Hintergrund in der mathematischen Optimierung und/oder Theorie maschinellen Lernens und/oder Regelungstheorie. Kandidatinnen und Kandidaten mit umfangreicher Erfahrung in angewandten oder industriellen Fragestellungen kommen ebenfalls in Betracht. Diese Qualifikationen sollten durch qualitativ hochwertige technische Berichte oder Veröffentlichungen in einschlägigen Formaten und/oder abgeschlossenen Industrieprojekten und Codebases nachgewiesen werden.

Beispiele für den Hintergrund sind (aber nicht beschränkt auf):

  • Optimierung: (verteilungsbezogene) robuste Optimierung/stochastische Programmierung, numerische Optimierung, gemischt-ganzzahlige Programmierung, halbdefinite/halbinfinite Optimierung
  • Angewandte Mathematik: Numerische/Funktionalanalysis, Approximationstheorie, Differentialgleichungen
  • Regelung: optimale Regelung, robuste Regelung, MPC, datengetriebene Regelung, dynamisches Lernen
  • Maschinelles Lernen: adversarial Robustheit, generative Modelle, Lerntheorie, RL

Was wir bieten:

  • Intensive Betreuung in Ihrer Arbeit
  • Gutes Arbeitsklima zwischen Promovenden und Mentor
  • Zertifiziertes familienfreundliches Arbeitsumfeld (Audit berufundfamilie)
  • Kostenfreie Deutschkurse für alle Mitarbeitenden

Fachliche Rückfragen und weitere Details zur Position (bitte Lebenslauf beifügen) können an Dr. Jia-Jie Zhu (zhu@wias-berlin.de) gerichtet werden sowie weitere Informationen finden Sie unter https://jj-zhu.github.io/.

Die Stelle wird nach TVöD Bund vergütet und ist auf 36 Monate befristet. Die reduzierte Arbeitszeit beträgt 29,25 Wochenstunden.

In Anbetracht der angestrebten Erhöhung des Frauenanteils im Wissenschaftsbereich sind Bewerbungen qualifizierter Interessentinnen besonders willkommen. Schwerbehinderte werden bei gleicher Qualifikation bevorzugt. Wir begrüßen Bewerbungen von internationalen Kandidatinnen und Kandidaten. Wissenschaftlich gesehen bietet Berlin eine reiche Landschaft mit zahlreichen Möglichkeiten für die Forschung sowie Jobaussichten in der Wissenschaft und Industrie.

Bitte reichen Sie Ihre vollständigen Bewerbungsunterlagen mit Anschreiben, Lebenslauf, relevanten Zeugnissen und der Masterarbeit (als Entwurf, falls noch nicht abgeschlossen) über unser Bewerber-Portal über den Button "Online bewerben" ein. Der angestrebte Eintrittstermin ist so bald wie möglich, kann aber mit der/dem ausgewählten Kandidatin/Kandidaten verhandelt werden.

Die Bewerbungsfrist beginnt ab sofort und endet, wenn die Stelle besetzt ist.

Wir freuen uns auf Ihre Bewerbung!