PVollzeitbeschäftigungbr / befristet bis zum br / Entgeltgruppe 14 TV-L FUbr / Kennung: 614br / Das sind wirbr / Das Forschungszentrum der Berlin Mathematik MATH+ ist ein institutionsübergreifendes und interdisziplinäres Exzellenzcluster für anwendungsgetriebene mathematische Forschung mit gesellschaftlicher Relevanz. MATH+ basiert auf dem Dreiklang von exzellenter Nachwuchsausbildung in der gesamten mathematischen Breite, anwendungsorientierter Mathematik mit Schwerpunkt in datengetriebener Modellierung, Simulation, Optimierung und der Eröffnung neuer mathematischer Denkräume und wird dabei getragen von der Gesamtheit der Berliner Mathematik in Kooperation mit anderen Wissenschaftsdisziplinen. Darüber hinaus strebt MATH+ eine aktive Kommunikation mit der breiten Öffentlichkeit an.br / MATH+ finanziert insgesamt sechs Nachwuchsgruppenleiter*innen in anwendungsorientierter Mathematik, um junge Wissenschaftler*innen zu fördern, die bereits einige Jahre Erfahrung als Postdocs gesammelt haben, und sie beim Formen ihres Forschungsprofils und ihres Karriereweges zu unterstützen. Die Position bietet vielfältige Möglichkeiten zur Zusammenarbeit innerhalb von MATH+ sowie mit der lebendigen Forschungslandschaft in Berlin. /p pDas erwartet Sie bei unsbr / Der Fachbereich Mathematik und Informatik der Freien Universität Berlin bietet die Möglichkeit zur Leitung einer eigenständigen Nachwuchsgruppe im Bereich Statistical Learning. Mit einem eigenen, aufzubauenden Forschungsteam sollen neue mathematische und statistische Methoden für die moderne Datenanalyse entwickelt werden. Die Position bietet eine herausragende Gelegenheit, grundlegende Forschung an der Schnittstelle von Statistik, Machine Learning und Angewandter Mathematik zu betreiben. Im Rahmen des Exzellenzclusters MATH+ soll die Gruppe zur Weiterentwicklung des theoretischen Verständnisses des Lernens aus komplexen, strukturierten oder hochdimensionalen Daten beitragen sowie grundlegende methodische Ansätze für datengetriebenes Modellieren, Inferenz und Vorhersage erforschen.br / Wir ermutigen Bewerber*innen, die innovative Forschung zu theoretischen und mathematischen Grundlagen des Statistical Learning und Data Science verfolgen. Beispielhafte Forschungsschwerpunkte sind:br / Grundlagen des Machine und Deep Learning aus mathematisch-statistischer Perspektive, einschließlich Generalisierung, Optimierung und Expressivitätbr / Regularisierung, Sparsity und Modellselektion in hochdimensionaler Statistikbr / Bayesianische und probabilistische Ansätze für statistische Inferenz und Lernenbr / Reinforcement Learning und sequentielles Entscheidungslernenbr / Generative und probabilistische Modelle, z. B. Diffusions- oder Flow-basierte Methoden für datengetriebene Inferenzbr / Verbindungen zum Optimal Transport, einschließlich theoretischer und numerischer Aspekte für datengetriebenes Modellieren und Lernenbr / Lernen aus komplexen Modellen beschrieben durch ODEs, PDEs oder SDEs, mit Anknüpfungen an inverse Probleme, Unsicherheitsquantifizierung und stochastische Dynamikbr / Lernen in komplexen Systemen, einschließlich Multiagentensystemen, gesellschaftlicher Dynamiken, Meinungsbildungsprozessen oder Klimafolgenmodellierungbr / Eine Zwischenevaluation wird im Rahmen des Exzellenzclusters nach drei Jahren erfolgen. /p pDas bringen Sie mitbr / Abgeschlossenes wissenschaftliches Hochschulstudium (Master) und Promotion in Mathematik, Statistik, Informatik oder einem verwandten Fachgebiet. /p pDas wünschen wir uns von Ihnenbr / Mehrjährige Postdoc-Erfahrung mit nachgewiesener wissenschaftlicher Eigenständigkeitbr / Nachweisbare Forschungserfahrung im Bereich Statistical Learning, Machine Learning oder hochdimensionaler Statistikbr / einschlägige Publikationslistebr / Erfahrung in der Einwerbung von Drittmittelnbr / ausgezeichnete Kommunikations- und Kooperationsfähigkeiten sowie Erfahrung in der Zusammenarbeit zwischen mathematischen und experimentellen Forschungsteamsbr / Gender- und Diversity-Kompetenzbr / Unser Angebot/Ihre Benefitsbr / Ein Startpaket, eigene Büroflächen, gemeinsame Infrastruktur (Datenmanagement, Rechenressourcen etc.) sowie administrative Unterstützung werden bereitgestellt. /p pHaben wir Ihr Interesse geweckt?br / Dann freuen wir uns auf Ihre aussagekräftigen Bewerbungsunterlagen. Wir erwarten die üblichen Unterlagen wie CV, Zeugnisse, Publikationsliste und Referenzen. Außerdem sollten Sie kurz darstellen, in welchem Umfeld Sie wissenschaftlich arbeiten, was Ihre bisherigen Ergebnisse und Ziele sind, wie Sie sich und Ihre (aufzubauende) Arbeitsgruppe vorstellen. Aus der Bewerbung sollte Ihre Motivation für die Stelle als auch Ihr Profil für sich und die Arbeitsgruppe deutlich hervorgehen.br / Bitte senden Sie uns Ihre Bewerbung über unser Online-Recruiting Portal, indem Sie auf den Button »Jetzt bewerben« klicken. Von dort aus werden Sie zum Anlegen eines Profils weitergeleitet. Das Anlegen ist nur bei erstmaliger Bewerbung notwendig.br / Weitere Informationen erteilt Prof. Schillings ( ). /p