W3-Universitätsprofessur für das Fachgebiet „Deep Learning“

Über uns

Die Technische Universität Berlin ist mit rund 35.000 Studierenden, rund 350 Professuren und rund 7.000 Beschäftigten Exzellenzuniversität im Rahmen der Berlin University Alliance. Das Berliner KI-Kompetenzzentrum BIFOLD (Berlin Institute for Foundations of Learning and Data) an der Technischen Universität Berlin ist eines der fünf nationalen universitären KI-Zentren. BIFOLD verfolgt das Ziel, Grundlagenforschung, Ausbildung und Technologietransfer in den Bereichen Big Data und Maschinelles Lernen sowie an deren Schnittstelle zu fördern und die internationale Spitzenstellung Berlins in diesem Bereich weiter auszubauen.

Wir schätzen die Vielfalt unserer Mitglieder, verfolgen die Ziele der Chancengleichheit und sind als familiengerechte Hochschule zertifiziert.

Ihre Aufgaben

Die zu besetzende Professur soll Forschung und Lehre in einem oder mehreren der folgenden Gebiete durchführen:

• Maschinelles Lernen mit Schwerpunkt (generatives) Deep Learning
• Anwendungen von Deep Learning in Computer Vision oder/und den Wissenschaften
• Grundlagen tiefer Lernarchitekturen und Inferenzprinzipien
• Anpassen von Domänenwissen für Deep Learning
• Repräsentationslernen
• Deep Learning und menschliche Kognition

Der/Die Stelleninhaber*in wird überwiegend mit Forschungstätigkeiten betraut; die Lehrverpflichtung wird nach Bund-Länder-Vereinbarung schrittweise reduziert. Unterricht soll in deutscher und englischer Sprache stattfinden oder die Bereitschaft besteht, fehlende Sprachkenntnisse in angemessener Zeit zu erwerben.

Zusätzlich zur Forschung umfasst die Position:

• Forschungsaufgaben für Abschluss- und Promotionsarbeiten anbieten und betreuen
• Einwerbung und Bearbeitung von Drittmittelprojekten
• Enge Zusammenarbeit mit den vorhandenen BIFOLD-Fachgebieten
• Führung und Leitung des Fachgebiets und dessen Mitarbeitender*innen
• Förderung von wissenschaftlichem Nachwuchs, Frauen und gesellschaftlicher Vielfalt
• Wissens- und Technologietransfer, Initiativen zur Internationalisierung
• Gender- und diversity-kompetentes und nachhaltigkeitsorientiertes Handeln
• Gremien- und Kommissionsarbeit

Ihr Profil

Die Einstellungsvoraussetzungen nach 100 ff. BerlHG müssen erfüllt sein.

• Ein abgeschlossenes, einschlägiges Hochschulstudium mit Schwerpunkt Informatik
• Besondere Befähigung zu wissenschaftlicher Arbeit, meist nachgewiesen durch die Qualität einer Promotion im Bereich Maschinelles Lernen/Deep Learning
• Zusätzliche wissenschaftliche Leistungen, z. B. positiv evaluierte Juniorprofessur, Habilitation oder habilitationsäquivalente Leistungen
• Pädagogische Eignung, nachgewiesen durch Ihr Lehrportfolio (vgl. hierzu
• Mehrjährige fachspezifische Lehrerfahrung
• Ein ausgewiesenes und international herausragendes Forschungsprofil in mindestens einem der genannten Themen
• Dokumentation durch einschlägige Publikationen und Erfahrungen in nationalen und internationalen Forschungskooperationen
• Fundierte Kenntnisse mit Anwendungen von Deep Learning in Computer Vision oder/und den Wissenschaften, Anpassen von Domänenwissen, Grundlagen tiefer Lernarchitekturen, Inferenzprinzipien, Repräsentationslernen und technischer Umsetzung neuartiger Konzepte (insbesondere im Rahmen von Open Source oder Datenanalyseplattformen)

Hinweise zur Bewerbung

Die Technische Universität Berlin strebt eine Erhöhung des Anteils von Frauen in Forschung und Lehre an und fordert daher qualifizierte Bewerberinnen nachdrücklich auf, sich zu bewerben.

Schwerbehinderte Bewerber*innen werden bei gleicher Eignung bevorzugt berücksichtigt. Bewerbungen von Menschen aller Nationalitäten und mit Migrationshintergrund sind herzlich willkommen.

Die TU Berlin hat ein Formular zur Berücksichtigung des akademischen Alters entwickelt. Bitte füllen Sie es aus und reichen Sie es als Teil Ihrer Bewerbungsunterlagen ein:

Ihre Bewerbung richten Sie bitte bis zum unter Angabe der Kennziffer IV-520/25 mit den üblichen Unterlagen (Anschreiben, Lebenslauf, Zeugnisse, Forschungskonzept, Lehrportfolio, Publikationsliste, die 5 wichtigsten Publikationen und Nachweis von durchgeführten bzw. beantragten Drittmittelprojekten, das Formular zur chancengerechten Gestaltung des Berufungsverfahrens) per E‑Mail im PDF‑Format an den/ die Dekan*in der Fakultät IV, Prof. Marc Alexa,

Mit der Abgabe einer Onlinebewerbung geben Sie Ihr Einverständnis, dass Ihre Daten elektronisch verarbeitet und gespeichert werden. Wir weisen darauf hin, dass bei unverschlüsselter Übersendung Ihrer Bewerbung auf elektronischem Wege keine Gewähr für die Sicherheit übermittelter persönlicher Daten übernommen werden kann. Daten­schutzrechtliche Hinweise zur Verarbeitung Ihrer Daten gem. DSGVO finden Sie auf der Webseite der Personalabteilung: