PhD im Bereich Probabilistisches Maschinelles Lernen für Biotechnologie (m/w/d)

Über uns

Die TU Graz ist die traditionsreichste technisch-naturwissenschaftliche Forschungs- und Bildungsinstitution in Österreich und zählt zu einer der größten Arbeitgeber:innen der Region mit rund 4.000 Mitarbeiter:innen. In ihren fünf Stärkefeldern, den Fields of Expertise, erbringt die TU Graz internationale Spitzenleistungen und setzt auf intensive Zusammenarbeit mit anderen Forschungs- und Bildungseinrichtungen sowie mit Wirtschaft und Industrie weltweit. In der europäischen Hochschullandschaft steht die TU Graz verstärkt im Wettbewerb um die besten Köpfe und Ressourcen.

In diesem Video geben wir einen Einblick in das Arbeitsumfeld der TU Graz: HIER

Organisationseinheit

Die Position ist dem Institute of Machine Learning and Neural Computation zugeordnet, innerhalb der Gruppe für Probabilistisches Maschinelles Lernen (Assoc Prof Robert Peharz).

Aufgaben

Wir suchen eine*n hochmotivierte*n PhD-Student*in in den Bereichen AI4Science, Probabilistisches Maschinelles Lernen, Bayes’sche Methoden/Optimierung sowie Kausales Modellieren. Die erfolgreiche Kandidat*in wird zum renommierten doc.funds-Projekt BiotechPredict beitragen, einem Exzellenzprogramm, das vom Österreichischen Wissenschaftsfonds (FWF) gefördert wird. Sie/Er wird in einem lebendigen und interdisziplinären Team von Forschenden in den Bereichen KI und Biotechnologie arbeiten und KI-Methoden auf die Entwicklung neuer Enzyme sowie die Prozessoptimierung anwenden.

https://www.nawigraz.at/de/neuigkeiten/neu-doc.funds-biotechpredict-mit-nawi-graz-konsortium/

BiotechPredict lädt 10 PhD-Kandidat*innen aus den Bereichen Biotechnologie, Molekularbiologie und Informatik ein, mit dem Ziel, ein führendes Zentrum für die Anwendung von Künstlicher Intelligenz in der Biotechnologie aufzubauen. Das Projekt vereint die Expertise von Forschenden der Technischen Universität Graz in den Bereichen Biotechnologie, Bioinformatik, Verfahrenstechnik und Informatik, um neue Wege in der Vorhersage katalytischer Eigenschaften von Enzymen sowie im Verständnis komplexer Wechselwirkungen in Bioprozessen zu beschreiten.

Aufgaben

Forschung (90%)

• Forschung im Bereich Probabilistisches Maschinelles Lernen, Bayes’sche Methoden/Optimierung sowie Kausales Modellieren für Biotechnologie und Enzymdesign
• Veröffentlichung von wissenschaftlichen Arbeiten in führenden KI/ML-/Biotechnologie-Konferenzen und Fachzeitschriften
• Arbeit an einer Dissertation im Bereich KI/ML oder Biotechnologie
• Zusammenarbeit mit Projektpartner*innen im Bereich Biotechnologie und Enzymdesign
• Betreuung von Bachelor- und Masterarbeiten

Administrative Tätigkeiten (10%)

• Organisatorische und administrative Aufgaben, Projektmanagement, Teilnahme an Projekttreffen

Lehre (optional)

• Bei Interesse Möglichkeit zur Mitwirkung in der Lehre (z. B. Maschinelles Lernen, Probabilistisches Maschinelles Lernen)

Für Ihre Bewerbung reichen Sie bitte ein:

• ein kurzes Motivationsschreiben (max. 2 Seiten)
• Ihren Lebenslauf, einschließlich einer Publikationsliste (falls vorhanden)
• Ihre Masterarbeit oder andere selbst verfasste wissenschaftliche Texte
• Ihr Transcript of Records
• Empfehlungsschreiben (falls vorhanden, max. 3)

Zulassungsvoraussetzungen

• Master in Informatik, Maschinelles Lernen, Künstliche Intelligenz, Bioinformatik, Mathematik oder ähnlichem (falls der Master noch nicht abgeschlossen ist, bitte eine kurze Stellungnahme des oder der Betreuer*in zum Fortschritt einreichen)
• ausgezeichnete Programmierkenntnisse (Python, Julia, C++, etc.)
• ausgezeichnete Kommunikationsfähigkeiten (mündlich und schriftlich)
• ausgezeichnete Englischkenntnisse

Wünschenswerte Qualifikationen

• fundiertes Wissen in maschinellem Lernen/Künstlicher Intelligenz und/oder Bioinformatik
• Erfahrung in probabilistischem maschinellen Lernen, Inferenztechniken, Bayesianischen Methoden und generativem Modellieren
• hohes Maß an Eigenverantwortung
• Fähigkeit, in einem interdisziplinären Team zu arbeiten

Einstufung

B1 Universitätsassistent:in ohne Doktorat

Wir bieten

Abwechslungsreicher Aufgabenbereich	Kollegial-freundschaftliches Arbeitsklima
Flexible Arbeitszeitgestaltung (inkl. Home-Office-Möglichkeit; bezahlte Mittagspause – je nach Stundenausmaß)	Internationale Weiterbildungsmöglichkeiten und Lehraufenthalte
Gütesiegel für innerbetriebliche Frauenförderung	Familienfreundliche Arbeitgeberin
Öffi-Zuschuss	Universitätssportprogramm
Einkaufsvergünstigungen	Betriebliches Gesundheitsmanagement
Zugang zu den neuesten Technologien	Umfangreiche Aus- und Weiterbildungsmöglichkeiten
Sicheres und stabiles Arbeitsumfeld	Zusatzpensionskasse

Assoc Prof Robert Peharz, Institute of Machine Learning and Neural Computation (https://robert-peharz.github.io/)

Bitte beachten Sie, dass wir nur Bewerbungen akzeptieren, die über unser Online-Bewerbungsportal eingereicht werden. 

Adresse

Technische Universität Graz
Rechbauerstraße 12
8010 Graz

Gleichstellung & Diversität

Die Technische Universität Graz strebt eine Erhöhung des Frauenanteiles, insbesondere in Leitungsfunktionen und beim wissenschaftlichen Personal an und lädt deshalb qualifizierte Frauen ausdrücklich zur Bewerbung ein. Im Falle von Unterrepräsentation werden Frauen bei gleicher Qualifikation vorrangig aufgenommen.

Die Technische Universität Graz bemüht sich aktiv um Vielfalt und Chancengleichheit. Bei der Personalauswahl dürfen Personen aufgrund des Geschlechts, der ethnischen Zugehörigkeit, der Religion oder der Weltanschauung, des Alters oder der sexuellen Orientierung nicht benachteiligt werden (Antidiskriminierung).

Menschen mit Behinderung und entsprechender Qualifikation werden ausdrücklich zur Bewerbung eingeladen.