Professur für Machine Learning Methods 2

Stellenbeschreibung

Die Professur fokussiert auf die methodischen Grundlagen und Anwendungen probabilistischer Machine‑Learning‑Methoden im interdisziplinären Kontext einer allgemeinen Universität. Probabilistische Modelle und probabilistische Machine‑Learning‑Methoden sind zentrale Bausteine moderner KI und bilden eine grundlegende Basis für die Anwendung von KI in den Geisteswissenschaften, Naturwissenschaften, Umweltwissenschaften, Rechtswissenschaften, Sozialwissenschaften und Wirtschaftswissenschaften.

Geeignete Kandidat:innen befassen sich beispielsweise mit Themen wie

• der Entwicklung und Analyse probabilistischer Modelle (z. B. Bayes’sche Modelle, Modelle mit latenten Variablen),
• effizienten Inferenzmethoden (z. B. Sampling‑Methoden),
• Unsicherheitsquantifizierung, Kalibrierung und probabilistischer Prognose,

sowie der interdisziplinären Anwendung dieser Methoden.

Die Professur ist im IDea_Lab der Universität Graz verankert, dem kürzlich gegründeten Interdisziplinären Digitalen Labor für grundlagenorientierte und anwendungsgetriebene Forschung in den Bereichen Machine Learning, Data Science und digitale Transformation. Die Professur pflegt enge Beziehungen zur Statistik, Optimierung, Data Science, Angewandten Mathematik sowie zu den verschiedenen Fachbereichen der Universität.

Die Stelle dient ausdrücklich dazu, die methodische Expertise des IDea_Lab zu stärken, interdisziplinäre Forschung im Bereich probabilistischer Machine‑Learning‑Methoden an der gesamten Universität Graz zu fördern und dieses Gebiet in der Lehre zu vertreten. Von der berufenen Professur wird erwartet, dass sie ein starkes intrinsisches Interesse daran hat, robuste interdisziplinäre Forschungsnetzwerke innerhalb der Universität Graz aufzubauen – ausgehend vom fakultätsübergreifenden IDea_Lab – und das Fachgebiet gemeinsam mit den bereits am IDea_Lab angesiedelten Professuren sowie Forschungspartner:innen in den einzelnen Fakultäten und Instituten durch neuartige interdisziplinäre Konzepte und Forschungsansätze weiter zu konsolidieren.

Anstellungserfordernisse

• Eine der Verwendung entsprechende abgeschlossene inländische oder gleichwertige ausländische Hochschulbildung (Doktorat oder PhD)
• Habilitation oder gleich zu wertende Qualifikation in Mathematik, Informatik oder fachnahen Disziplinen
• Hervorragende wissenschaftliche Qualifikation in Forschung und Lehre für das zu besetzende Fach und Profil der Professur (in Relation zum akademischen Alter und zu Unterbrechungen in der Erwerbstätigkeit aufgrund von Betreuungspflichten)
• Erfolgreiche Einwerbung fachspezifischer Projekte; insbesondere kompetitiver Drittmittel
• Kompetenz in Hochschuldidaktik inkl. Einsatz digitaler Medien
• Kompetenz in der Betreuung und Anleitung von Nachwuchswissenschafter:innen
• Auslandserfahrung während der wissenschaftlichen Laufbahn
• Management- und Führungserfahrung
• Kompetenz in Gender Mainstreaming und Diversitätsmanagement
• Exzellente Englischkenntnisse und Bereitschaft, Deutsch zu lernen
• Herausragende wissenschaftliche Leistungen im Bereich sowohl der interdisziplinären Anwendung als auch der Methodenentwicklung des probabilistischen Maschinellen Lernens
• Erfahrung und Kompetenz zur interdisziplinären Zusammenarbeit, nachgewiesen durch einschlägige Publikationen in hochrangigen Journalen des jeweiligen Anwendungsgebiets
• Erfahrung und/oder oder Bereitschaft zu interdisziplinärer Lehre
• Erfahrung im Bereich Wissenschaftskommunikation (wünschenswert)
• Erfahrung im Bereich Open Science (wünschenswert)

Darüber hinaus erwarten wir hohe persönliche Motivation zu wissenschaftlicher Exzellenz in Forschung und Lehre, eine verantwortungsbewusste Arbeitsweise sowie die Fähigkeit zur Zusammenarbeit in Forschungsteams und zur Inspiration von Kolleg:innen und Studierenden. Freude an der Arbeit mit Menschen in einem interdisziplinären und international orientierten Umfeld setzen wir ebenso voraus wie wissenschaftliche Integrität und Problemlösungsfähigkeit.

Bewerbungsunterlagen

• Bewerbungsschreiben
• Lebenslauf mit Beschreibung des wissenschaftlichen Werdegangs
• Publikationsverzeichnis, nummeriert, mit vollständigen bibliographischen Angaben, geordnet nach
  • Monographien
  • (mit-)herausgegebene Bände
  • Zeitschriftenartikel
  • Sonstiges
• Lehrkonzept inklusive Darstellung der bisher abgehaltenen Lehre
• Liste der bisherigen Forschungsprojekte und Kooperationen
• Beschreibung der zukünftigen Forschungsabsichten
• Nennung Ihrer fünf wichtigsten Publikationen

Bitte reichen Sie Ihre Bewerbungsunterlagen in englischer Sprache ein.

Wir bieten

Wir bieten Ihnen eine abwechslungsreiche und eigenverantwortliche Tätigkeit. Es erwarten Sie ein angenehmes Arbeitsklima, flexible Arbeitszeiten sowie zahlreiche Weiterbildungs- und Entwicklungsmöglichkeiten. Nutzen Sie die Chance für den Einstieg in ein herausforderndes Arbeitsumfeld, geprägt von Teamgeist und Freude am Job.

Das kollektivvertragliche Mindestentgelt gemäß der angegebenen Einstufung beträgt € 93.986,20 brutto/Jahr. Ein allfälliges höheres Gehalt kann zum Gegenstand von Verhandlungen gemacht werden.

Hearings

Voraussichtlicher Termin für das öffentliche Hearing: 01.03.2027 - 03.03.2027

Über uns

An der Universität Graz arbeiten Forscher:innen und Studierende in einem breiten fachlichen Spektrum an Lösungen für die Welt von morgen. Unsere Wissenschafter:innen entwickeln Strategien, um den aktuellen Herausforderungen der Gesellschaft zu begegnen. Die Universität Graz bekennt sich zur Leistungsorientierung, fördert Karrierewege und bietet mehrfach ausgezeichnete Rahmenbedingungen für gesellschaftliche Diversität in einer zeitgemäßen Arbeitswelt – unter dem Motto: We work for tomorrow. Werden Sie Teil davon!

Kontakt

Univ. Prof. Dr. Martin Holler ([email protected]) 

Die Universität Graz strebt eine Erhöhung des Frauenanteils insbesondere in Leitungsfunktionen an und fordert daher qualifizierte Frauen ausdrücklich zur Bewerbung auf. Bei gleicher Qualifikation werden Frauen vorrangig aufgenommen.

Bitte beachten Sie, dass wir Bewerbungen aufgrund der geltenden datenschutzrechtlichen Vorgaben ausschließlich über unser webbasiertes Bewerber:innen-Tool entgegennehmen können.