(duplicated)Researcher Spatio-Temporal Modelling and Event data analysis

Interessieren Sie sich für gesellschaftlich nützliche angewandte KI- und Data-Science-Forschung? Hier am Deutschen Forschungszentrum für Künstliche Intelligenz (mit Sitz in Kaiserslautern oder Berlin) suchen wir enthusiastische Junior- und Senior-Researcher (m/w/d) für unsere wachsenden Forschungsbereich: Data Science and its Applications (DSA).

Ihre Aufgaben

Interessieren Sie sich für gesellschaftlich nützliche angewandte KI- und Data-Science-Forschung? Hier am Deutschen Forschungszentrum für Künstliche Intelligenz (mit Sitz in Kaiserslautern oder Berlin) suchen wir enthusiastische Junior- und Senior-Researcher (m/w/d) für unsere wachsenden Forschungsbereich: Data Science and its Applications (DSA).

Unsere Aufgabe bei DSA ist es, Datenwissenschaft und KI zu nutzen, um einen positiven Beitrag zur Gesellschaft zu leisten. Wir arbeiten an angewandten Problemen in Forschung und Industrie, haben eine hochgradig kollaborative Kultur und legen Wert auf ein gesundes, produktives und wohltuendes Arbeitsumfeld. Sie werden gut in unser vielfältiges, internationales Team passen, wenn Sie motiviert sind, ein dynamisches Umfeld und flache Hierarchien ohne Mikromanagement mögen, stolz auf Ihre Arbeit sind und zum gesunden Wachstum einer jungen Forschungseinrichtung beitragen wollen.

Über das Projekt

Schlüsselwörter: (Kausal)-Geo-Spatial, Gauß- und Punktprozesse, partiell beobachtete dynamische Prozesse, fehlende und spärliche Daten, Modellierung von Krisen, Kriminalität, Konflikten, Epidemien und politischen Resultaten

Ein "Ereignis kann jeden Zustand mit einem Zeitstempel beschreiben. Einige Ereignisse sind direkt beobachtbar (Todesfälle, Verbrechensmeldungen, Überschwemmungen), während andere latente Veränderungen in einem zugrunde liegenden Prozess darstellen (Ausbruch von Krankheiten, soziale Unruhen, ein Cyberangriff). Die Vorhersage von Ereignissen - wann, ob und wo sie eintreten - ist eine zunehmend wichtige Aufgabe in Wissenschaft, Industrie und Politik. Das Projekt "Eventful" zielt darauf ab, neue Methoden für eine wirksame Modellierung raum-zeitlicher Prozesse zu entwickeln, mit Anwendungen für das Verständnis komplexer, zusammengesetzter Krisen (z. B. eine Kombination aus Klimakrise, politischen Unruhen, Gewalt, Nahrungsmittelknappheit) und deren Einfluss auf nachteilige Folgen für Mensch und Umwelt.

Wir betrachten die Welt der Ereignisse aus zwei Perspektiven. "Ereignisse als Output" umfasst die Ereigniszeitanalyse, bei der es darum geht, das Risiko eines (unerwünschten) Ereignisses oder die Zeit bis zu dessen Eintreten zu schätzen. "Ereignisse als Input" umfasst intensive Längsschnittdatenanalysen oder die Analyse unregelmäßig verteilter Zeitreihen. In beiden Bereichen besteht eine zentrale Herausforderung darin, nützliche Merkmale aus hochdimensionalen, komplexen oder abhängigen Datenstrukturen zu extrahieren, um ein Ergebnis vorherzusagen. Bestehende Werkzeuge und Methoden des maschinellen Lernens müssen erweitert und angepasst werden, um solche Aufgaben zu bewältigen - hier kommen wir ins Spiel.

Sie werden dazu beitragen, standardisierte Rahmenbedingungen für die Erstellung und Bewertung von Modellen für Längsschnittdaten, Patientenverläufe und sozio-politische Prozesse in verrauschten oder hochdimensionalen Umgebungen zu schaffen. Ein besonders wichtiger Aspekt dieses Projekts ist der kreative Umgang mit Daten aus der realen Welt. Dazu gehört die Integration verschiedener Datenquellen und -typen, die in unterschiedlichen Auflösungen und Qualitätsstufen erhoben werden. Das Projekt wird von der Forschungsabteilung "Data Science and Its Applications" geleitet und umfasst eine Zusammenarbeit mit der Universität Oxford, dem Netzwerk Machine Learning for Global Health und Organisationen des dritten Sektors, die in Indien und Subsahara-Afrika tätig sind.

• Studienabschluss mit signifikanter rechnergestützter Komponente auf Bachelor- (Junior Researcher), Master- (Researcher) oder Promotion (Senior Researcher), z. B. Statistik, Informatik, Mathematik, Physik, Data Science

• Ausgezeichnete Kommunikationsfähigkeiten in Englisch (in Wort und Schrift)

• Beherrschung von Python für die Datenwissenschaft

• Fachkenntnisse in einem oder mehreren der folgenden Bereiche:

• Angewandte Modellierung von Krisen, Kriminalität, Konflikten, Epidemien, politischen Ergebnissen Räumlich-zeitliche Modellierung von Ereignissen oder Punktprozessen

• Analyse raumbezogener sozio-politischer, epidemiologischer oder ökologischer Daten

• Quantifizierung, ökologische Schlussfolgerungen oder Disaggregation

• Aufbereitung von Daten aus Haushaltserhebungen, Gesundheitsforschung und amtlichen Statistiken

• Kausale Inferenz und Entdeckung von multimodalen (raum-)zeitlichen Daten

  Erwünscht:

• Erfahrung mit Deep Learning auf nicht-euklidischen Daten

• Erfahrung mit der Gestaltung von Umfragen

• Statistische Analyse mit kompartimentbasierten oder agentenbasierten Modellen

• Programmierung in R ist von Vorteil

• Wettbewerbsfähige Vergütung und Sozialleistungen

• Mitarbeit an hochwirksamen Projekten in einem vielfältigen, motivierten, multidisziplinären Team

• Arbeit an hochrelevanten wissenschaftlichen und gesellschaftlichen Fragestellungen bei gleichzeitiger Erweiterung Ihrer Expertise in zukunftsweisenden Bereichen

• Wenn Sie noch nicht promoviert haben, dies aber gerne tun möchten, bieten wir Ihnen die Möglichkeit, parallel zu dieser Tätigkeit an der Universität Kaiserslautern-Landau zu promovieren

• Praxisnahe, angewandte Forschung mit starkem Praxisbezug - wir diskutieren nicht nur theoretisch, sondern setzen aktiv Lösungen in akademischen und industriellen Landschaften unseres Fachgebiets um

• Exzellentes Netzwerk mit hervorragenden Kontakten in Wirtschaft und Wissenschaft

• Flexible Arbeitszeiten mit der Möglichkeit des Home-Office, entsprechend den DFKI-internen Regelungen

  Die Gehälter werden auf der Grundlage des Ausbildungsniveaus und der Erfahrung festgelegt und von der Personalabteilung des DFKI standardisiert. Unsere Gehälter sind auf dem deutschen Markt wettbewerbsfähig, und wir genießen ein hohes Ansehen als Arbeitgeber. Unsere Abteilung konzentriert sich insbesondere darauf, ein gutes Arbeitsumfeld für unser vielfältiges Team zu schaffen.

  Unser Auswahlprozess

  Bitte konzentrieren Sie sich bei Ihrer Bewerbung darauf, dass Ihre vorhandenen Kenntnisse, Fähigkeiten und Interessen mit der von uns beschriebenen Stelle übereinstimmen. Wenn Sie mit uns zusammenarbeiten möchten, Ihre Erfahrung aber nicht mit unseren Stellenanzeigen übereinstimmt, verwenden Sie bitte stattdessen unser expression of interest form Formular.

  Wenn Sie sich in den letzten 6 Monaten auf unsere vorherige, allgemeine Stellenausschreibung für Researcher (m/w/d) des Forschungsbereichs DSA beworben haben, wurde Ihre Bewerbung auch für dieses Projekt berücksichtigt und Sie brauchen sich nicht erneut zu bewerben.

  Unser Auswahlprozess ist so angelegt, dass wir Sie aus verschiedenen Blickwinkeln kennen lernen und Sie gleichzeitig verschiedene Mitglieder unseres Teams treffen, um ein Gefühl für unsere Kultur zu bekommen. Der Prozess sieht in der Regel wie folgt aus:

• Ein erstes Screening Ihres Lebenslaufs und Ihrer Bewerbungsunterlagen

• Ein 30-minütiges wissenschaftlich-technisches Gespräch mit unseren Researchern (m/w/d), bei dem Sie eine fünfminütige Präsentation halten und unser Team wissenschaftliche und technische Fragen zur Stelle stellt

• Ein 30-minütiges Gespräch mit unserer stellvertretenden Abteilungsleitung, bei dem es um Ihre Arbeitsweise, Motivation, Vorstellungen und Soft Skills geht

• Ein 30-minütiges ausführliches wissenschaftliches Gespräch mit unserem Abteilungsleiter.

Ihr Profil

• Studienabschluss mit signifikanter rechnergestützter Komponente auf Bachelor- (Junior Researcher), Master- (Researcher) oder Promotion (Senior Researcher), z. B. Statistik, Informatik, Mathematik, Physik, Data Science

• Ausgezeichnete Kommunikationsfähigkeiten in Englisch (in Wort und Schrift)

• Beherrschung von Python für die Datenwissenschaft

• Fachkenntnisse in einem oder mehreren der folgenden Bereiche:

• Angewandte Modellierung von Krisen, Kriminalität, Konflikten, Epidemien, politischen Ergebnissen Räumlich-zeitliche Modellierung von Ereignissen oder Punktprozessen

• Analyse raumbezogener sozio-politischer, epidemiologischer oder ökologischer Daten

• Quantifizierung, ökologische Schlussfolgerungen oder Disaggregation

• Aufbereitung von Daten aus Haushaltserhebungen, Gesundheitsforschung und amtlichen Statistiken

• Kausale Inferenz und Entdeckung von multimodalen (raum-)zeitlichen Daten

  Erwünscht:

• Erfahrung mit Deep Learning auf nicht-euklidischen Daten

• Erfahrung mit der Gestaltung von Umfragen

• Statistische Analyse mit kompartimentbasierten oder agentenbasierten Modellen

• Programmierung in R ist von Vorteil

Wir bieten Ihnen

Unsere Aufgabe bei DSA ist es, Datenwissenschaft und KI zu nutzen, um einen positiven Beitrag zur Gesellschaft zu leisten. Wir arbeiten an angewandten Problemen in Forschung und Industrie, haben eine hochgradig kollaborative Kultur und legen Wert auf ein gesundes, produktives und wohltuendes Arbeitsumfeld. Sie werden gut in unser vielfältiges, internationales Team passen, wenn Sie motiviert sind, ein dynamisches Umfeld und flache Hierarchien ohne Mikromanagement mögen, stolz auf Ihre Arbeit sind und zum gesunden Wachstum einer jungen Forschungseinrichtung beitragen wollen.