Universitätsassistent*in Praedoc - PhD Position in Graph Learning

Ihr Aufgabenbereich:Als Universitätsassistent*in werden Sie in der Arbeitsgruppe Machine Learning with Graphs unter der Leitung von Prof. Nils M. Kriege mitarbeiten. Der Schwerpunkt unserer Forschung liegt auf der Entwicklung neuer Methoden und Lernverfahren für strukturierte Daten. Graphen und Netzwerke sind in zahlreichen Bereichen allgegenwärtig – von der Chemie- und Bioinformatik bis hin zur Computer Vision und zur Analyse sozialer Netzwerke. Maschinelles Lernen mit Graphen zielt darauf ab, das Potenzial der wachsenden Menge strukturierter Daten in all diesen Bereichen zu nutzen, um Entscheidungsprozesse zu automatisieren, zu beschleunigen und zu verbessern. Die Analyse von Graphdaten erfordert die Lösung von Problemen an den Schnittstellen zwischen maschinellem Lernen, Graphentheorie und Algorithmik.Das machen Sie konkret:Sie beteiligen sich aktiv an Forschung, Lehre & Administration, das bedeutet:Sie wirken in wissenschaftlichen Forschungsprojekten im Bereich Graph Learning mit.Sie arbeiten an wissenschaftlichen Artikeln zur Publikation Ihrer Forschung.Sie nehmen an wissenschaftlichen Konferenzen zur Präsentation Ihrer Forschung teil.Wir erwarten, dass Sie Ihre Dissertationsvereinbarung binnen 12 Monaten abschließen.Sie arbeiten an Ihrer Dissertation und deren Fertigstellung.Sie tragen selbstständig zu Lehrveranstaltungen im Ausmaß der kollektivvertraglichen Bestimmungen bei.Sie übernehmen administrative Tätigkeiten in Forschung & Lehre.Ihre Forschung soll sich im Bereich des maschinellen Lernens mit Graphen bewegen und kann sowohl theoretische als auch praxisnahe Fragestellungen umfassen. Ziel ist die Analyse und Entwicklung neuer, fundierter Methoden und Lernverfahren, die die Grenzen bestehender Techniken – beispielsweise hinsichtlich Ausdrucksstärke, Generalisierungsfähigkeit, Interpretierbarkeit oder Skalierbarkeit – erweitern.
Das gehört zu Ihrer Persönlichkeit:Abgeschlossenes Master-/Diplom-Studium der Fachrichtung Informatik oder eines verwandten Fachs (Bewerbungen von Kandidat*innen, die kurz vor dem Abschluss stehen, sind möglich; eine Anstellung kann erst mit abgeschlossenem Master-/Diplomabschluss erfolgen.)Fundierte Kenntnisse in oder großes Interesse an den Bereichen Maschinelles Lernen, Graphentheorie und ihren mathematischen GrundlagenFundierte ProgrammierkenntnisseErfahrung mit Bibliotheken für maschinelles Lernen oder Bereitschaft, diese zu erlernenSehr gute EnglischkenntnisseTeamfähigkeitWünschenswerte Qualifikationen: Grundlegende Erfahrung in Forschungsmethoden und wissenschaftlichem SchreibenErfahrungen in der Lehre
Was wir bieten:Work-Life-Balance: Sie haben flexible Arbeitszeiten und können auch teilweise remote arbeiten.Inspirierendes Arbeitsklima: Sie sind Teil eines internationalen Teams mit hervorragender Forschungsinfrastruktur in einer lockeren Arbeitsumgebung.Gute öffentliche Anbindung: Ihr neuer Arbeitsplatz ist mit öffentlichen Verkehrsmitteln bequem erreichbar.Interne Weiterbildung und Coaching: Wir bieten Ihnen laufend die Möglichkeit, Ihre Kompetenzen zu erweitern und zu vertiefen. Wählen Sie aus einem kostenfreien Angebot von über 600 Workshops pro Jahr.Faires Gehalt: Das Grundgehalt in Höhe von EUR 3.776,10 (Basis Vollzeit; 14 Monatszahlungen im Jahr) erhöht sich, sofern wir berufliche Erfahrung anrechnen können.Vertragsdauer: Bei Anstellung beträgt die Dauer des Vertrags 3 Jahre. Zunächst befristet auf 1,5 Jahre wird das Dienstverhältnis automatisch auf 3 Jahre verlängert, wenn der Arbeitgeber nicht innerhalb der ersten 12 Monate eine Nichtverlängerungserklärung abgibt. Bei entsprechendem Arbeitsfortschritt ist eine Verlängerung auf maximal 4 Jahre möglich.
Bewerbungsunterlagen:Wissenschaftlicher LebenslaufMotivationsschreiben einschließlich Ideen für ein mögliches PromotionsprojektAbstract der MasterarbeitBescheid über abgeschlossenes Master-/Diplom-StudiumZeugnisse inklusive Notenübersicht (transcript of records)Publikationsliste, Nachweise über Lehrerfahrung (falls vorhanden) Bei inhaltlichen Fragen kontaktieren Sie bitte:Nils Morten Kriege nils.kriege@univie.ac.atWir freuen uns über neue Persönlichkeiten in unserem Team! Die Universität Wien betreibt eine antidiskriminatorische Anstellungspolitik und legt Wert auf Chancengleichheit, Frauenförderung und Diversität. Wir streben eine Erhöhung des Frauenanteils beim wissenschaftlichen und allgemeinen Universitätspersonal insbesondere in Leitungsfunktionen an und fordern daher qualifizierte Frauen ausdrücklich zur Bewerbung auf. Bei gleicher Qualifikation werden Frauen vorrangig aufgenommen. Universität Wien. Raum für Persönlichkeiten. Seit 1365.DatenschutzerklärungBewerbungsfrist: 26.03.2026

Prae Doc

Jetzt bewerben