Wissenschaftliche*r Mitarbeiter*in (m/w/d) im Bereich Reinforcement Learning und Optimierung

• Start: nächstmöglich
• Vergütung: Vergütung nach E13 TV-L
• Umfang: Vollzeit
• Befristung: befristet (auf 36 Monate)
• Arbeitsort: Bielefeld

Die Arbeitsgruppe Wissensrepräsentation und Machinelles Lernen am CITEC der Universität Bielefeld forscht daran, wie menschliches Domänenwissen Methoden und Modelle des maschinellen Lernens unterstützen kann und sich umgekehrt menschliches Wissen aus Modellen des maschinellen Lernens extrahieren lässt, etwa über interpretierbares und erklärbares maschinelles Lernen sowie Anwendungen im Bildungsbereich. Aktuell besteht die Gruppe aus 10 zumeist drittmittelgeförderten Mitarbeitenden.

Die Stelle ist im Projekt SMaRT-DC angesiedelt, in dem die Universität Bielefeld im Verbund mit Fraunhofer IOSB-INA sowie den Industriepartnern Lenze und Weidmüller neue Verfahren des hybriden, Modell-basierten Reinforcement-Lernens entwickeln, die unter Berücksichtigung von Sicherheitsgarantien die Auslegung von Gleichstrom (DC)-Netzen und ihren echtzeitfähigen adaptiven Betrieb optimieren. Die Stelle befasst sich mit neuartigen Verfahren des robusten reinforcement learning, um die Auslegung von Gleichstromnetzen zu optimieren. Dabei sollen insbesondere Extremszenarien abgeleitet und unter Berücksichtigung neuer Kontrollstrategien für die Optimierung herangezogen werden. Iterative Optimierung über Reinforcement-Learning, Adversarielle Szenarien und Multikriterielle Optimierung werden ebenfalls erforscht. Die Interdisziplinäre Zusammenarbeit mit innovativen Forschungs- und Anwendungspartnern im maschinellen Lernen sowie in der Automatisierungs- und Elektrotechnik ist wesentlicher Teil der Forschungsarbeit. Die Stelle ist für die wissenschaftliche Qualifikation (Promotion) geeignet.

Die Stelle wird vorbehaltlich der Projektbewilligung ausgeschrieben.

Ihre Aufgaben

• Erforschung neuartiger Verfahren des Reinforcement Learning für die Optimierung von DC-Netzen unter Einbeziehung von Extremszenarien und Domänenwissen (60 %)
• Implementierung dieser Verfahren als praxistaugliche Software (20 %)
• interdisziplinäre Zusammenarbeit mit den Forschungs- und Anwendungspartner*innen im Verbund (10 %)
• Publikation von Forschungsergebnissen, Daten und Software in einschlägigen Konferenzen und Journalen (10 %)

Die Beschäftigung ist der wissenschaftlichen Qualifizierung förderlich, die Gelegenheit zur wissenschaftlichen (Weiter-)Qualifikation wird gegeben.

Ihr Profil

• abgeschlossenes wissenschaftliches Hochschulstudium (z. B. Master) in Informatik, Elektrotechnik, Data Science oder angrenzenden Fächern
• alternativ: abgeschlossenes Hochschulstudium (z. B. Bachelor) sowie weit vorangeschrittenes wissenschaftliches Hochschulstudium im Bereich Informatik
• ausgeprägte Kenntnisse in Optimierungsverfahren
• ausgeprägte Kenntnisse in maschinellem Lernen
• Interesse und Leidenschaft für interdisziplinäre Forschung an der
• Schnittstelle zwischen maschinellem Lernen und Elektrotechnik
• gute Kenntnisse der deutschen und englischen Sprache (mündlich und schriftlich)
• analytische Fähigkeiten und wissenschaftliche Denkweise
• selbständige, eigenverantwortliche und engagierte Arbeitsweise
• praktische Erfahrungen in der Forschung zu Reinforcement Learning für Optimierung
• Kenntnisse zu Gleichstromnetzen
• Kenntnisse zu adversarial machine learning

Wir bieten

• interne und externe Fortbildungsmöglichkeiten
• Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten
• Vereinbarkeit von Familie und Beruf
• gute Verkehrsanbindung

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.