ID: 25.285

Informatik und Data Science

# Wissenschaftlicher Mitarbeiter / Wissenschaftliche Mitarbeiterin (m/w/d)

Lehrstuhl für Maschinelles Lernen

Die Arbeitsgruppe von Prof. Merle Behr am Lehrstuhl für Maschinelles Lernen entwickelt und untersucht interpretierbare Methoden des Maschinellen Lernens mit einem besonderen Fokus auf deren mathematisch-statistische Fundierung. Ziel ist es, diese Verfahren gezielt auf komplexe Datensätze wie Omics-Daten und elektronische Patientenakten anzuwenden. Unsere Forschung vereint theoretische Analyse mit praxisnaher Entwicklung, um transparente ML-Algorithmen zu schaffen und in interdisziplinären Projekten neue Erkenntnisse zu ermöglichen.

**Eckpunkte**Beginn:

**zum nächstmöglichen Zeitpunkt**

Umfang:

**Vollzeit 40h / Woche (teilzeitgeeignet)**

Vergütung:

**TV-L E13**

Befristung:

**befristet für 2 Jahre ***

### Wir bieten:

- Die Möglichkeit zur Arbeit an wissenschaftlich relevanten Forschungsthemen im Bereich Statistisches Maschinelles Lernen
- Die Möglichkeit zur eigenen Qualifikation (z.B. Habilitation) in dem Themenfeld
- Die Möglichkeit zur flexiblen Arbeitsorganisation im Rahmen der Anforderungen der Tätigkeit
- Enge fachliche Zusammenarbeit im Team

### Ihre Aufgaben:

- Konzeption und Entwicklung neuer Methoden des Maschinellen Lernens (ML) in enger Zusammenarbeit mit Anwendungspartnern aus verschiedenen Fachbereichen
- Theoretische Analyse von ML-Verfahren mit besonderem Fokus auf deren statistische Eigenschaften
- Implementierung der entwickelten ML-Methoden sowie Veröffentlichung des Codes
- Anwendung von ML-Techniken zur Datenanalyse, insbesondere im biomedizinischen und naturwissenschaftlichen Kontext
- Veröffentlichung der Forschungsergebnisse und Teilnahme an internationalen Konferenzen
- Durchführung von Lehrveranstaltungen (Übungen, Praktika) im Bereich ML, Statistik und Stochastik (5 SWS bei Vollzeit)
- Mitbetreuung von studentischen Abschlussarbeiten (Projekt-, Bachelor- und Masterarbeiten)

### Ihr Profil:

- Mit sehr guten Ergebnissen abgeschlossenes Hochschulstudium (Master, Diplom oder Äquivalent) im Fach Mathematik, Statistik, Data Science oder einer verwandten Disziplin und Promotion im jeweiligen Fach
- Ausgeprägte mathematische Fähigkeiten, idealerweise auch im Bereich Statistik und Stochastik – diese bilden die Grundlage unserer methodischen Forschung und sind daher von zentraler Bedeutung
- Interdisziplinäres Denken und die Bereitschaft zur Zusammenarbeit mit Partnern aus verschiedenen Fachrichtungen
- Didaktisches Geschick und Freude an der Lehre sowie der kontinuierlichen Weiterentwicklung von Lehrveranstaltungen
- Programmierkenntnisse in mindestens einer der folgenden Sprachen: R oder Python
- Persönliche Kompetenzen wie Zuverlässigkeit, Verantwortungsbewusstsein, Kreativität und Kommunikationsstärke
- Intrinsische Motivation für innovative Forschungs- und Entwicklungsthemen sowie Freude am wissenschaftlichen Arbeiten

Die Universität Regensburg strebt eine Erhöhung des Frauenanteils an und fordert daher qualifizierte Frauen ausdrücklich zur Bewerbung auf. Die Universität Regensburg setzt sich besonders für die Vereinbarkeit von Familie und Beruf ein (nähere Informationen unter [https://www.uni-regensburg.de/universitaet/jobs-und-karriere/familien-service](https://www.uni-regensburg.de/universitaet/jobs-und-karriere/familien-service)).

Bei im Wesentlichen gleicher Eignung werden schwerbehinderte Bewerberinnen und Bewerber bevorzugt eingestellt. Bitte weisen Sie auf eine vorliegende Schwerbehinderung ggf. bereits in der Bewerbung hin.

Bitte beachten Sie, dass wir Kosten, die bei einem etwaigen Vorstellungsgespräch für Sie anfallen sollten, nicht übernehmen können.

---
---

### Kontakt:

Für Auskünfte steht Ihnen Frau Prof. Dr. Merle Behr (E-Mail: [merle.behr@informatik.uni]-regensburg.de/Telefon: 0941 943-68510) zur Verfügung. Bewerbungen sind mit üblichen Unterlagen bis spätestens 30.01.2026 **ausschließlich über den unten stehenden Bewerbungsbutton** möglich.

* Die befristete Beschäftigung erfolgt zur eigenen wissenschaftlichen Qualifizierung (Habilitation) mit einer Vertragslaufzeit von 2 Jahren nach § 2 Abs. 1 WissZeitVG.