Ihre Aufgaben
Selbstständige und verantwortliche Forschung im Bereich Maschinelles Lernen und Inverse Modellierung in der Biomedizin. Entwicklung und Analyse Bayes’scher und Deep Learning basierter Algorithmen zur Quellenrekonstruktion neurophysiologischer Zeitreihen (Magneto- und Elektroenzephalographie, M/EEG) unter besonderer Berücksichtigung kalibrierter Unsicherheitsangaben. Erarbeitung neuer theoretischer Ergebnisse zur Repräsentation von Unsicherheit in inversen Problemen. Anwendung der entwickelten Algorithmen zur qualitätsgesicherten Lokalisierung neuronaler Quellen in der klinischen oder kognitiven Neurowissenschaft.
Ihr Profil
Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) sowie erfolgreich abgeschlossene Promotion in Mathematik, Physik, oder Informatik; mehrjährige Erfahrung im Bereich des Maschinellen Lernens und der inversen Modellierung vorausgesetzt, bevorzugt im Bereich der Bayes‘schen Statistik, der Modellierung von Unsicherheit, und/oder der Physics-informed Neural Networks; sehr gute Programmierkenntnisse in Python/PyTorch unabdingbar; Erfahrung in der Modellierung und Analyse von Zeitreihendaten, z. B. mit Differentialgleichungen, sowie mit M/EEG Daten sind von Vorteil. Gute Deutsch- und/oder Englischkenntnisse erforderlich; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben.
