ein abgeschlossenes, einschlägiges Hochschulstudium mit Schwerpunkt Informatik, besondere Befähigung zu wissenschaftlicher Arbeit, die in der Regel durch die Qualität einer Promotion im Bereich Maschinelles Lernen/Deep Learning nachgewiesen wird, zusätzliche wissenschaftliche Leistungen, z. B. positiv evaluierte Juniorprofessur, Habilitation oder habilitationsäquivalente Leistungen sowie pädagogische Eignung, nachgewiesen durch Ihr Lehrportfolio, vgl. hierzu https://www.tu.berlin/go209650/ Darüber hinaus sind mehrjährige fachspezifische Lehrerfahrung, ein ausgewiesenes und international herausragendes Forschungsprofil in mindestens einem der vorgenannten Forschungsthemen, dokumentiert durch einschlägige Publikationen, Erfahrungen in nationalen und internationalen Forschungskooperationen (nachgewiesen durch entsprechende Auslandsaufenthalte und/oder maßgebliche Beteiligung in Projekten) erforderlich. Fundierte Kenntnisse mit Anwendungen von Deep Learning in Computer Vision oder/und den Wissenschaften, Anpassen von Domänenwissen für Deep Learning, Grundlagen tiefer Lernarchitekturen und Inferenzprinzipien, Repräsentationslernen, sowie der technischen und systematischen Umsetzung neuartiger Konzepte, insbesondere im Rahmen von Open Source oder Datenanalyseplattformen werden erwartet. Hinweise zur Bewerbung

Ihre Aufgaben Die zu besetzende Professur soll Forschung und Lehre in einem oder mehreren der folgenden Gebiete durchführen: Theorie des überwachten und unüberwachten Deep Learning sowie generative AI Methoden, Grundlagen der statistischen Eigenschaften und Optimierung von Deep Learning, Einbeziehung von a-priori Wissen in das Training sowie die Gestaltung der Architekturen, Theoretische Erforschung wie Invarianzen, Symmetrien, Equivarianzeigenschaften etc. modelliert oder gelernt werden können (mit Anwendungen in den Wissenschaften), Theoretische Grundlagen tiefer Lernarchitekturen und Inferenzprinzipien, Grundlagen Generativer KI. Die/der Stelleninhaber*in soll Forschungsaufgaben für Studienabschluss und Promotionsarbeiten anbieten und diese betreuen. Die Einwerbung und Bearbeitung von Drittmittelprojekten und eine enge Zusammenarbeit mit den vorhandenen BIFOLD-Fachgebieten sind Teil des Aufgabenfeldes. Zu den weiteren Aufgaben gehören Führung und Leitung des Fachgebietes und dessen Mitarbeiter*innen, Förderung von wissenschaftlichem Nachwuchs, Frauen und gesellschaftlicher Vielfalt, Wissens- und Technologietransfer, Initiativen zur Internationalisierung, gender- und diversity-kompetentes und nachhaltigkeitsorientiertes Handeln sowie Gremien- und Kommissionsarbeit.