View job here

 

The Weierstrass Institute for Applied Analysis and Stochastics (WIAS) is an institute of the Forschungsverbund Berlin e.V. (FVB). The FVB comprises seven non-university research institutes in Berlin which are funded by the federal and state governments. The research institutes belong to the Leibniz Association.

WIAS invites in the Research Group

“Nonsmooth Variational Problems and Operator Equations”

(Head: Prof. Dr. M. Hintermüller) applications for a

PhD student position (f/m/d)

on optimization methods for deep learning

 (Ref. 22/34)

to be filled at the earliest possible date. The position is associated to the MATH+ Cluster of Excellence project EF1-15 “Robust Multilevel Training of Artificial Neural Networks". The project aims to develop novel methods for training nonsmooth artificial neural networks with emphasis on their theoretical analysis, algorithmic implementation and related applications (e.g. deep learning-based numerical solution of PDEs and their optimal control).

We are looking for: a motivated and enthusiastic candidate with an above-average master’s degree in mathematics and a solid background in mathematical optimization, numerical analysis, scientific computing, functional analysis and partial differential equations. Strong programming skills are highly desired.

Technical queries should be directed to Prof. Dr. Michael Hintermüller (Michael.Hintermueller@wias-berlin.de).

The position is limited to three years. The reduced work schedule is 29,25 hours per week, and the salary is according to the German TVoeD Bund scale.

The Institute aims to increase the proportion of women in this field, so applications from women are particularly welcome. Among equally qualified applicants, disabled candidates will be given preference.

Please upload your complete application documents (motivation letter, detailed CV, certificates, list of MSc courses and grades, copy of the master thesis, reference letters, etc.) via our applicant portal using the button “Apply online".

The advertisement is open with immediate effect and will remain open until the position will be filled.

We are looking forward to your application!

Das WIAS ist ein Institut des Forschungsverbundes Berlin e.V. (FVB). Der FVB ist Träger von sieben außeruniversitären naturwissenschaftlichen Forschungsinstituten in Berlin, die von der Bundesrepublik Deutschland und der Gemeinschaft der Länder finanziert werden. Die Institute gehören der Leibniz-Gemeinschaft an.

Am WIAS ist in der Forschungsgruppe

„Nichtglatte Variationsprobleme und Operatorgleichungen“

(Leitung: Prof. Dr. M. Hintermüller) eine Stelle als

Doktorand/in (m/w/d)

zu Optimierungsmethoden für Deep Learning

 (Kennziffer 22/34)

Zum nächstmöglichen Zeitpunkt zu besetzen.

Die Stelle ist mit dem MATH+ Exzellenzcluster-Projekt EF1-15 „Robust Multilevel Training of Artificial Neural Networks" verbunden. Das Projekt zielt darauf ab, neue Methoden für das Training von nicht-glatten künstlichen neuronalen Netzen zu entwickeln, wobei der Schwerpunkt auf deren theoretischer Analyse, algorithmischer Implementierung und verwandten Anwendungen liegt (z.B. Deep Learning-basierte numerische Lösung von PDEs und deren optimale Kontrolle).

Wir suchen: eine/n motivierte/n und enthusiastische/n Kandidaten/Kandidatin mit einem überdurchschnittlichen Master-Abschluss in Mathematik und einem soliden Hintergrund in mathematischer Optimierung, numerischer Analyse, wissenschaftlichem Rechnen, funktionaler Analyse und partiellen Differentialgleichungen. Starke Programmierkenntnisse sind sehr erwünscht.

Fachliche Rückfragen sind an Prof. Dr. Michael Hintermüller (Michael.Hintermueller@wias-berlin.de) zu stellen.

Die Stelle ist auf drei Jahre befristet. Die reduzierte Arbeitszeit beträgt 29,25 Stunden pro Woche, die Vergütung erfolgt in Anlehnung an den TVöD Bund.

Das Institut strebt eine Erhöhung des Frauenanteils in diesem Bereich an, daher sind Bewerbungen von Frauen besonders erwünscht. Schwerbehinderte Bewerberinnen und Bewerber werden bei gleicher Eignung bevorzugt berücksichtigt. 

Bitte laden Sie Ihre vollständigen Bewerbungsunterlagen mit Anschreiben, Lebenslauf und Zeugnissen über unser Bewerber-Portal hoch, indem Sie den Button „Online bewerben“ klicken.

Die Bewerbungsfrist beginnt sofort und endet erst, wenn die Stelle besetzt ist.

Wir freuen uns auf Ihre Bewerbung!