Die Forschungsgruppe Data Integration in the Life Sciences (DILiS) des Instituts für Informatik der Freien Universität Berlin wird von Katharina Baum geleitet. Wir untersuchen und entwickeln vornehmlich Methoden zur Datenanalyse, die die Stärken von dynamischer Modellierung und Netzwerkansätzen mit maschinellem Lernen kombinieren. Unsere Fragestellungen sind häufig aus den Lebenswissenschaften oder dem (öffentlichen) Gesundheitswesen motiviert, wie beispielsweise Vorhersage von epidemiologischen Fallzahlen oder Medikamentenwirkung, und Methoden zur gemeinsamen Analyse verschiedener Datenebenen. Die Entwicklung von grundlegenden Ansätzen zur Verbesserung des maschinellen Lernens ist jedoch auch ein wichtiger Bestandteil unserer Forschung. Wir sind ein junges, dynamisches Team am idyllischen Campus Dahlem und lehren hauptsächlich in den Studiengängen Informatik, Bioinformatik und Data Science.

Aufgabengebiet:
Die ausgeschriebene Stelle ist für die Arbeit im drittmittelgeförderten Projekt Act-i-ML geplant, einem Verbundprojekt mit enger Zusammenarbeit mit dem Hasso-Plattner-Institut für Digital Engineering in Potsdam (Bernhard Renard, Arbeitsgruppe Data Analytics and Computational Statistics). Im Projekt wollen wir Methoden zum aktiven informierten maschinellen Lernen (ML) voranbringen, die die Problematik der Anwendung von ML für kleine verfügbare Datensätze adressiert. Dabei wird der Fokus auf dem Einbringen von Vorwissen aus dynamischen Modellen in ML liegen, wie zum Beispiel in unseren Vorarbeiten (SimbaML, https://openreview.net/forum?id=1wtUadpmVzu). Die Arbeit beinhaltet die Entwicklung neuer ML-Ansätze für das effiziente Einbringen dieses Vorwissens und die gezielte Suche nach passenden Inputdaten mittels aktivem Lernen, sowie ihre Implementierung in Open Source Frameworks. Eine geplante Anwendung ist dabei die Verbesserung der Fallzahlvorhersage für Infektionskrankheiten mit Daten des Robert Koch-Instituts. Weitere Anwendungsgebiete sollen im Rahmen des Projekts erschlossen werden. Projektmittel für Konferenzbesuche, Workshops oder Summer Schools sind eingeplant.

Einstellungsvoraussetzungen:
Abgeschlossenes wiss. Hochschulstudium (Master) in Informatik, Mathematik, Physik oder einem verwandten Gebiet, wie zum Beispiel Bioinformatik, Data Engineering, IT Systems Engineering, oder andere.

(Berufs-)Erfahrung:
- Erfahrungen mit Machine Learning, insbesondere Deep Learning, für die Projektdurchführung erforderlich
- gute Kenntnisse und Erfahrungen in der Python-Programmierung und Datenanalyse
- erste Erfahrungen mit gewöhnlichen Differentialgleichungsmodellen von Vorteil (aber nicht unbedingt nötig)

Erwünscht:
- sehr gute Englischkenntnisse in Wort und Schrift für die wissenschaftliche Arbeit und Kommunikation
- gutes Verständnis von statistischen und mathematischen Konzepten

Die Stelle hat keine Lehrverpflichtung, aber Sie haben die Möglichkeit zur Beteiligung an unserer Lehre für die Erweiterung Ihrer Kompetenzen und Ihres Erfahrungsschatzes. Im Rahmen des drittmittelfinanzierten Forschungsprojekts wird Gelegenheit zur Promotion eingeräumt.

Weitere Informationen erteilt Frau Prof. Dr. Katharina Baum (katharina.baum@fu-berlin.de/ +49 30 838 55850).