Wiss. Mit­ar­bei­ter*in (d/m/w) - Ent­gelt­gruppe 13 TV-L Ber­li­ner Hoch­schu­len

Das Fachgebiet Elektronische Systeme der Medizintechnik (MTEC) forscht an Methoden der Signalverarbeitung und Mustererkennung aus akustischen, visuellen und multimodalen Zeitreihen. Hierzu nutzen wir Konzepte und Methoden des maschinellen Lernens, der Signalerfassung und -verarbeitung, der Statistik und Informationstheorie, auch inspiriert durch aktuelle Erkenntnisse der Neurowissenschaften.

Anwendungen liegen beispielsweise in der Spracherkennung für medizinische Anwendungen und in neurophysiologisch inspirierten Lernverfahren für die Modellierung menschlicher Sprachwahrnehmung sowie zur multimodalen Hörunterstützung. Wir suchen für ein aktuelles Forschungsprojekt mit DFG-Finanzierung eine*n wissenschaftliche*n Mitarbeiter*in in diesem Themenfeld, in enger Zusammenarbeit mit der Ben-Gurion-University in Be'er Sheva (Israel). Der*die erfolgreiche Bewerber*in soll generative und diskriminative Modelle zur mehrkanaligen audio-visuellen Sprachsignalverarbeitung entwerfen und wissenschaftlich evaluieren.

Wir bieten Ihnen eine inspirierende, internationale und interdisziplinäre Arbeitsumgebung an einem jungen Forschungsinstitut im Herzen Berlins.

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) im Bereich der Technischen Informatik, Informatik oder Elektrotechnik oder einem verwandten Fach mit hervorragenden Ergebnissen
• Sehr gute Programmierkenntnisse in Python, Java oder C/C++
• Erfahrungen im maschinellen Lernen für Sprach- und Videosignale
• Gute Deutsch- und/oder Englischkenntnisse erforderlich; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben
• Kenntnisse in mehreren der folgenden Bereiche:
• Generative Modelle für Audio- und Sprachdaten
• Signalverarbeitung für mehrkanalige Audiosignale
• Grundlagen der Wahrnehmungsphysiologie, insbesondere der Neurophysiologie des Hörens

Wir suchen hochmotivierte, neugierige und begeisterungsfähige Forscher*innen mit ausgezeichneten akademischen Leistungen und großem Interesse an der Entwicklung neurophysiologisch inspirierter maschineller Lernverfahren.

Ihre Bewer­bung rich­ten Sie bitte unter Angabe der Kenn­zif­fer mit den übli­chen Unter­la­gen (in einem PDF-Doku­ment, max. 5 MB) aus­schließ­lich per E-Mail an dorothea.kolossa@tu-berlin.de.

Mit der Abgabe einer Online­be­wer­bung geben Sie als Bewer­ber*in Ihr Ein­ver­ständ­nis, dass Ihre Daten elek­tro­nisch ver­ar­bei­tet und gespei­chert wer­den. Wir wei­sen dar­auf hin, dass bei unge­schütz­ter Über­sen­dung Ihrer Bewer­bung auf elek­tro­ni­schem Wege keine Gewähr für die Sicher­heit über­mit­tel­ter per­sön­li­cher Daten über­nom­men wer­den kann. Daten­schutz­recht­li­che Hin­weise zur Ver­ar­bei­tung Ihrer Daten gem. DSGVO fin­den Sie auf der Web­seite der Per­so­nal­ab­tei­lung:
https://www.abt2-t.tu-berlin.de/menue/themen_a_z/datenschutzerklaerung/ oder Direkt­zu­gang: 214041.

Zur Wah­rung der Chan­cen­gleich­heit zwi­schen Frauen und Män­nern sind Bewer­bun­gen von Frauen mit der jewei­li­gen Qua­li­fi­ka­tion aus­drück­lich erwünscht. Schwer­be­hin­derte wer­den bei glei­cher Eig­nung bevor­zugt berück­sich­tigt. Die TU Ber­lin schätzt die Viel­falt ihrer Mit­glie­der und ver­folgt die Ziele der Chan­cen­gleich­heit. Bewerbungen von Menschen aller Nationalitäten und mit Migrationshintergrund sind herzlich willkommen.

Tech­ni­sche Uni­ver­si­tät Ber­lin - Die Prä­si­den­tin - Fakul­tät IV, Insti­tut für Ener­gie- und Auto­ma­ti­sie­rungs­tech­nik, FG Elek­tro­ni­sche Sys­teme der Medi­zin­tech­nik, Prof. Dr. Kolossa, Sekr. EN 3, Ein­stein­ufer 17, 10587 Ber­lin