Jobbeschreibung
Die 1607 gegründete Justus-Liebig-Universität Gießen (JLU) ist eine traditionsreiche Forschungsuniversität. Inspiriert von der Neugier auf das Unbekannte ermöglichen wir rund 25.000 Studierenden und 5.800 Beschäftigten, Wissenschaft für die Gesellschaft voranzutreiben. Gehen Sie zusammen mit uns neue Wege und schreiben Sie Erfolgsgeschichten – Ihre eigene und die der Universität.
Unterstützen Sie uns ab dem nächstmöglichen Zeitpunkt in Vollzeit als
Wissenschaftliche/r Mitarbeiter/in (m/w/d)
im Bereich Data Science mit dem Schwerpunkt Maschinelles Lernen
Die Stelle ist in dem drittmittelfinanzierten Projekt: „Development of AI based Digital Twin Models and ML-Methods for Structured Clinical Data“ befristet gemäß § 2 WissZeitVG und § 72 HessHG mit Gelegenheit zur eigenen wissenschaftlichen Qualifizierung an der Professur für Interstitielle und seltene Lungenerkrankungen, Institut für Innere Medizin II am Fachbereich Medizin zu besetzen. Bei Vorliegen der tariflichen Voraussetzungen erfolgt die Vergütung nach Entgeltgruppe 13 TV-H.
Sie werden, soweit die zulässige Höchstdauer einer befristeten Beschäftigung nicht überschritten wird, für die Dauer von 3 Jahren beschäftigt.
Das Projekt hat zum Ziel, ein Framework zu entwickeln, mit dem Methoden des maschinellen Lernens wie generative, vortrainierte Transformermodelle (GPT) auf strukturierte klinische Daten angewendet werden können. Das Machine-Learning-Modell wird auf numerischen biomedizinischen Daten sowie klinischen Daten, die für jede Patientin und jeden Patienten zu mehreren Zeitpunkten vorliegen, trainiert. Der Fokus liegt dabei auf vier Krankheitsbereichen der Lungenforschung. Das entwickelte Modell wird als digitaler Zwilling für prädiktive Analysen, die Imputation fehlender Daten und die Generierung synthetischer Patientendaten für spezifische Krankheitsphänotypen eingesetzt.
- Entwicklung oder Anpassung bestehender GPT/LLM-Frameworks zur Verarbeitung strukturierter Daten
- Aufbereitung und Integration vorhandener Daten
- Training, Leistungsbewertung und Evaluation der Modelle
- Das Erbringen wissenschaftlicher Dienstleistungen (einschließlich der Bearbeitung eines aus Mitteln Dritter befristet finanzierten Forschungsvorhabens) dient zugleich der wissenschaftlichen Qualifizierung
- Abgeschlossenes wissenschaftliches Hochschulstudium im Fach Data Science, Informatik, Bioinformatik, Mathematik oder einem verwandten Fachgebiet
- Erfahrung mit mindestens einem gängigen Machine-Learning-Framework, z.B. PyTorch oder TensorFlow
- Sicherer Umgang mit Linux/Unix-Systemen
- Fundierte Kenntnisse und ein tiefes Verständnis von Methoden des maschinellen Lernens, insbesondere von Transformermodellen sowie Large Language Models
- Programmiererfahrung in Python
- Großes Interesse an der Arbeit mit realen Patientendaten und der Zusammenarbeit mit führenden Wissenschaftlerinnen und WissenschaftlernTeamfähigkeit und Kommunikationsstärke
- Sehr gute Englischkenntnisse in Wort und Schrift sowie grundlegende Deutschkenntnisse (mindestens Niveau A1)
- Eine abwechslungsreiche Tätigkeit mit flexiblen Arbeitszeiten
- Die kostenlose Nutzung des öffentlichen Personennahverkehrs (LandesTicket Hessen)
- Mehr als 100 Seminare, Workshops und E-Learning-Angebote pro Jahr zur persönlichen Weiterbildung sowie vielfältige Gesundheits- und Sportangebote
- Eine Vergütung nach TV-H, betriebliche Altersvorsorge, Kinderzulage sowie Sonderzahlungen
- Die gute Vereinbarkeit von Familie und Beruf (Zertifikat „audit familiengerechte hochschule“)
Die JLU begrüßt qualifizierte Bewerbungen unabhängig von biologischem und sozialem Geschlecht, Behinderung, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Alter sowie sexueller Orientierung und Identität. Die JLU strebt gemäß Frauenförderplan einen höheren Frauenanteil an; deshalb bitten wir qualifizierte Frauen nachdrücklich, sich zu bewerben. Die JLU ist als familiengerechte Hochschule zertifiziert. Eine Teilung der Stelle in zwei Halbtagsstellen ist nach dem Hessischen Gleichberechtigungsgesetz grundsätzlich möglich. Bewerbungen Schwerbehinderter werden bei gleicher Eignung bevorzugt.
Mehr