W3-Universitätsprofessur für das Fachgebiet "Deep Learning" für Berlin gesucht

Arbeits- und Stellenangebot im Regiobizz Arbeitsmarkt

Job Kategorie: Universitäten/Hochschulen/Forschungsinstitute Erziehung/Bildung/Therapie

Stellenangebot Basisdaten

Arbeitsort:: DE 10587 Berlin
Umkreis:: keine Angabe.
Art der Arbeitsstelle:
Letze Aktualisierung:: 13.12.20252025-12-13

ONLINE BEWERBEN - KLICKEN SIE HIER UM DAS ONLINE BEWERBUNGSFORMULAR ZU ÖFFNEN

Stellenausschreibung: W3-Universitätsprofessur für das Fachgebiet "Deep Learning"

Arbeitgeber bzw. Arbeitsvermittler: Technische Universität Berlin in Hamburg

Branche: Universitäten/Hochschulen/Forschungsinstitute

Kategorie: Erziehung/Bildung/Therapie

Stellenbeschreibung: W3-Universitätsprofessur für das Fachgebiet »Deep Learning« Fakultät IV - Elektrotechnik und Informatik, Institut für Softwaretechnik und Theoretische Informatik Kennziffer: IV-520/25 (besetzbar ab 01.01.2026 / unbefristet / Bewerbungsfristende 12.01.2026) 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 und/oder den Wissenschaften, Grundlagen tiefer Lernarchitekturen und Inferenzprinzipien, Anpassen von Domänenwissen für Deep Learning, Repräsentationslernen, Deep Learning und menschliche Kognition. Die/Der Stelleninhaber*in der Professur soll gemäß Bund-Länder-Vereinbarung überwiegend mit Forschungstätigkeiten betraut werden. Es ist geplant, die Lehrverpflichtung nach § 1 i. V. m. § 7 LVVO zu reduzieren. Als international profilierte Universität setzen wir die Fähigkeit voraus, in deutscher und englischer Sprache zu unterrichten, oder die Bereitschaft, fehlende Sprachkenntnisse in angemessener Zeit zu erwerben. Die/Der Stelleninhaber*in soll Forschungsaufgaben für Studienabschluss- und Promotionsarbeiten anbieten und diese betreuen. Die Einwerbung und Bearbeitung von Drittmittelprojekten und eine enge Zusammenarbeit mit den vorhandenen BIFOLD-Fachgebieten sind Teil des Aufgabenfeldes. Zu den weiteren Aufgaben gehören Führung und Leitung des Fachgebietes und dessen Mitarbeiter*innen, Förderung von wissenschaftlichem Nachwuchs, Frauen und gesellschaftlicher Vielfalt, Wissens- und Technologietransfer, Initiativen zur Internationalisierung, gender- und diversity-kompetentes und nachhaltigkeitsorientiertes Handeln sowie Gremien- und Kommissionsarbeit. Ihr Profil: Die Einstellungsvoraussetzungen nach § 100 ff. BerlHG müssen erfüllt werden. Dazu gehören: ein abgeschlossenes, einschlägiges Hochschulstudium mit Schwerpunkt Informatik, besondere Befähigung zu wissenschaftlicher Arbeit, die in der Regel durch die Qualität einer Promotion im Bereich Maschinelles Lernen/Deep Learning nachgewiesen wird, zusätzliche wissenschaftliche Leistungen, z. B. positiv evaluierte Juniorprofessur, Habilitation oder habilitationsäquivalente Leistungen sowie pädagogische Eignung, nachgewiesen durch Ihr Lehrportfolio, vgl. hierzu https://www.tu.berlin/go209650/. Darüber hinaus sind mehrjährige fachspezifische Lehrerfahrung, ein ausgewiesenes und international herausragendes Forschungsprofil in mindestens einem der vorgenannten Forschungsthemen, dokumentiert durch einschlägige Publikationen, Erfahrungen in nationalen und internationalen Forschungskooperationen (nachgewiesen durch entsprechende Auslandsaufenthalte und/oder maßgebliche Beteiligung an Projekten) erforderlich. Fundierte Kenntnisse mit Anwendungen von Deep Learning in Computer Vision und/oder den Wissenschaften, Anpassen von Domänenwissen für Deep Learning, Grundlagen tiefer Lernarchitekturen und Inferenzprinzipien, Repräsentationslernen sowie der technischen und systematischen Umsetzung neuartiger Konzepte, insbesondere im Rahmen von Open Source- oder Datenanalyseplattformen, werden erwartet. Hinweise zur Bewerbung: Die Technische Universität Berlin strebt eine Erhöhung des Anteils von Frauen in Forschung und Lehre an und fordert deshalb 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 möchte ihre Berufungsverfahren chancengerechter gestalten und hat dazu ein Formular zur Berücksichtigung des akademischen Alters in Berufungsverfahren entwickelt. Bitte füllen Sie das Formular aus und reichen es als Teil der Bewerbungsunterlagen ein: https://www.tu.berlin/go209647/. Ihre Bewerbung richten Sie bitte bis zum 12.01.2026 unter Angabe der Kennziffer IV-520/25 mit den üblichen Unterlagen (Anschreiben, Lebenslauf, Zeugnisse, Forschungskonzept, Lehrportfolio, Publikationsliste, den 5 wichtigsten Publikationen und dem Nachweis von durchgeführten bzw. beantragten Drittmittelprojekten, dem Formular zur chancengerechten Gestaltung des Berufungsverfahrens) per E-Mail im PDF-Format an den Dekan der Fakultät IV, Prof. Marc Alexa, berufungen@eecs.tu-berlin.de. Mit der Abgabe einer Onlinebewerbung geben Sie als Bewerber*in Ihr Einverständnis, dass Ihre Daten elektronisch verarbeitet und gespeichert werden. Wir weisen darauf hin, dass bei ungeschützter 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: https://www.tu.berlin/abt2-t/services/rechtliches/datenschutzerklaerung-bei-bewerbungen. Die Stellenausschreibung ist auch im Internet abrufbar unter: https://www.jobs.tu-berlin.de/stellenausschreibungen

Qualifikation: Arbeitskräfte

Verdienst:: n.a.

Bewerbung an: Technische Universität Berlin
Am Strandkai 1
De 20457 Hamburg

ONLINE BEWERBEN - KLICKEN SIE HIER UM DAS ONLINE BEWERBUNGSFORMULAR ZU ÖFFNEN

Stellenangebot powered by

Die Veröffentlichung dieses Stellenangebotes bei regiobizz.de erfolgt mit freundlicher Genehmigung von GermanPersonnel im Namen des Stellenanbieters. Eine gewerbliche Nutzung dieser Daten sowie deren Veröffentlichung in jeder Form ist ohne ausdrückliche Genehmigung von GermanPersonnel strengstens untersagt.