Am Institut für Datenwissenschaften in Jena beschäftigen wir uns damit, das Datenrückgrat für alle Anwendungsbereiche des DLR (Luftfahrt, Raumfahrt, Energie, Verkehr, Sicherheit) Realität werden zu lassen. Dafür entwickeln und erforschen wir in interdisziplinärer Arbeit Methoden mit Fokus auf Anwendungen z. Bsp. für nachhaltige und kreislaufgerechte Prozesse, resiliente Lieferketten, datengetriebene Wertschöpfungsketten oder robuste Entscheidungsunterstützung. Die so entwickelten Methoden werden in Kooperation mit anderen DLR-Instituten und externen Partnern zur Anwendung gebracht, sei es im Rahmen gemeinsamer Projekte oder im Rahmen von Technologietransferaktivitäten.
 

Das erwartet dich

Die Forschungs- und Entwicklungsarbeiten der Abteilung Datenanalyse und -intelligenz zielen darauf ab, Wissen aus Daten zu generieren und ein tieferes Verständnis für komplexe Datensätze und die damit in Verbindung stehenden Prozesse zu entwickeln. Wir entwickeln datengetriebene Ansätze, um Erkenntnisse zu gewinnen und fundierte Entscheidungen zu treffen - ein Konzept, das wir als "Knowledge from Data" bezeichnen. 

In der Arbeitsgruppe „Kausale Inferenz“ verfolgen wir das Ziel, zu einem datengetriebenen Verständnis komplexer dynamischer Prozesse beizutragen. Dazu entwickeln wir Methoden und Software aus den Bereichen kausale Inferenz und statistisches Lernen und wenden diese an. Dabei verfolgen wir einen anwendungsgetriebenen Ansatz und haben einen speziellen Fokus auf Zeitreihendaten. Darüber hinaus entwickeln wir Algorithmen aus dem Bereich des quantenmaschinellen Lernens.

Deine Aufgaben

• Einarbeitung in die Forschungsfelder quantenmaschinelles Lernen und kausale Inferenz
• Entwicklung eines hybriden quanten-klassischen Algorithmus für Anomaliedetektion mit kausaler Inferenz
• Implementierung von Algorithmen als Software inklusive sorgfältiger Dokumentation
• Evaluierung und Anwendung von Algorithmen auf Daten
• Zusammenarbeit mit internen und externen Projektbeteiligten
• Publikation wissenschaftlicher Beiträge in Journalen oder bei angesehenen Konferenzen mit Peer-Review Prozessen
• Präsentation der Projekte und Arbeitsergebnisse auf Konferenzen, Workshops, Messen, etc.

Das bringst du mit

• abgeschlossenes wissenschaftliches Hochschulstudium (Master / Diplom Uni) in Mathematik, Physik, Statistik, Informatik oder einem anderen für die Tätigkeit relevanten Studiengang
• erste Erfahrung in der selbständigen und eigenverantwortlichen Bearbeitung komplexer Forschungsaufgaben
• Fachkenntnisse in den Bereichen quantenmaschinelles Lernen, kausale Inferenz, maschinelles Lernen oder statistische Methoden
• sehr gute englische Sprachkenntnisse in Schrift und Wort
• gute Programmierkenntnisse in Python
• nachgewiesene Publikationstätigkeit in/bei wissenschaftlichen Fachzeitschriften oder Fachkonferenzen mit Peer-Review Prozess
• Voraussetzung für die Einstellung beim DLR ist die Sicherheitsüberprüfbarkeit nach dem Sicherheitsüberprüfungsgesetz (SÜG) sowie die Bereitschaft für eine Sicherheitsüberprüfung nach §8 ff SÜG

Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position (Kennziffer 1215) beantwortet dir gerne:

Andreas Gerhardus 
Tel.: +49 3641 30960 144