25 km

Mehr als 500 Jobs

1

Passende Jobs zu Ihrer Suche ...

... immer aktuell und kostenlos per E-Mail.
Sie können den Suchauftrag jederzeit abbestellen.
Es gilt unsere Datenschutzerklärung. Sie erhalten passende Angebote per E-Mail. Sie können sich jederzeit wieder kostenlos abmelden.

Informationen zur Anzeige:

Wissenschaftliche/r Mitarbeiter/in (m/w/d)
Berliner Hochschule für Technik (BHT)
Berlin
Aktualität: 12.02.2024

Anzeigeninhalt:

12.02.2024, Berliner Hochschule für Technik (BHT)
Berlin
Wissenschaftliche/r Mitarbeiter/in (m/w/d)
Sei Teil unseres neuen Teams im interdisziplinären DFG geförderten Forschungsprojekt «Berlin Initiative for Applied Foundation Model Research» (Appl-FM) zu Machine Learning in der Robotik, Biologie und Medizin ab dem 01.04.2024 befristet auf fünf Jahre als Wissenschaftliche/r Mitarbeiter/in (m/w/d) Entgeltgruppe 13 TV-L Berliner Hochschulen mit 65 % der regelmäßigen Arbeitszeit Kenn-Nr.: 018/24 Du forschst in einem Team aus zwanzig Wissenschaftlerinnen und Wissenschaftlern und hast dabei die Möglichkeit zur Promotion. Wir arbeiten zusammen an anwendungsorientierter Grundlagenforschung zu Foundation Models (FM) - also Computermodelle, die durch Künstliche Intelligenz und Maschinelles Lernen zielgerichtet für die Forschungsbereiche Robotik, Quantitative Biologie und Prädiktive Medizin trainiert werden. Die Vision des Projektes ist dreigeteilt: Roboter sollen von Demonstrationen lernen, wie sie sich zu bewegen haben. Zelluläre Prozesse sollen automatisch überwacht und kategorisiert werden. KI-Systeme sollen medizinisches Personal bei der Diagnostik unterstützen. Du arbeitest am Projektteil Quantitative Biology & Smart Microscopy (R2). Dieses beschäftigt sich mit der Erstellung von digitalen hochaufgelösten mikroskopischen Bildern von bakteriellen Krankheitserregern in verschiedenen Wachstumszuständen, in Reinkultur und nach Etablierung der Methode in Einspezies- und Mehrspezies-Biofilmen. Geometrische sowie volumetrische Eigenschaften (Durchmesser, Länge, Breite, Volumen, Biofilmdicke etc.) der Mikroorganismen in Reinkultur sowie im Zellverbund, im Biofilm werden bestimmt. Auf Basis dieser Daten sollen quantitative Modelle untersucht werden, um die Mikroorganismen in den digitalen Bildern nicht nur auf Speziesebene zu identifizieren, sondern um ihren physiologischen Zustand und ihr Gefahrenpotenzial als Krankheitserreger festzustellen. Diese Methodik soll die Zeitspanne zur sicheren reproduzierbaren Diagnose einer Infektion und dem Therapievorschlag drastisch verkürzen. Die quantitative digitale Bildanalyse soll mit Einzelzell-Transkriptomik der Krankheitserreger kombiniert werden, um Expressionsgrad von Pathogenitätsfaktoren sowie Antibiotikaresistenzen zu bestimmen. In Zusammenschau soll das Teilprojekt »Biofilme« zur Entwicklung von personalisierter Medizin von Infektionskrankheiten beitragen. Direkt betreut wirst du von den Professor:innen Dr. Elisabeth Grohmann (BHT), Dr. Simone Reber (BHT) und Dr. Erik Rodner (HTW Berlin). Bitte beachte auch unsere Ausschreibungen zu den anderen Projektteilen. Aufgabengebiet Eigenständige Aufnahme von hochaufgelösten mikroskopischen Bildern verschiedener Krankheitserreger sowie Erstellung der zugehörigen Bilddateien Ermittlung von geometrischen und volumetrischen Daten von Krankheitserregern Etablierung der Bedingungen zur Anzucht der Krankheitserreger in Single Species und Multi Species (polymikrobiellen) Biofilmen Quantitative Bildanalyse von Krankheitserregern in verschiedenen physiologischen Zuständen in Reinkultur sowie im Biofilm Etablierung des »Single-Cell Transcriptomics« Workflows für ausgewählte pathogene Modellorganismen Durchführung der Single-Cell Transcriptomics Analysen (Single-Cell Sequencing) sowie eigenständige bioinformatische Analyse der Daten (»Big Data«) Intensive interdisziplinäre fachbereichsübergreifende Zusammenarbeit mit den wissenschaftlichen Mitarbeiterinnen und Principal Investigators im Forschungsprojekt Regelmäßige Teilnahme an Forschungsprojekt Meetings, internationalen Konferenzen und Workshops, Veröffentlichung und Präsentation der Forschungsergebnisse Unterstützung bei der Betreuung von studentischen Hilfskräften und Abschlussarbeiten Fachliche Anforderungen Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder Diplom) in der Fachrichtung Biotechnologie, Biochemie, Molekularbiologie, Mikrobiologie oder einer vergleichbaren Fachrichtung oder gleichwertige Qualifikation (Vorlage des Abschlusses spätestens zum Zeitpunkt der Unterschrift des Arbeitsvertrages) Weitreichende praktische Erfahrungen in Fluoreszenzmikroskopie und weiteren mikroskopischen Verfahren Praktische Erfahrungen in quantitativer digitaler Bildanalyse. Von Vorteil sind Erfahrungen in High-Throughput Bildanalyse Praktische Erfahrungen mit molekularbiologischen Techniken wie PCR, qPCR, DNA-und RNA-Isolierung sowie Transkriptomik Praktische Erfahrungen in Kultivierung von pathogenen Mikroorganismen erwünscht Erste Erfahrungen mit der bioinformatischen Analyse von Daten (Big Data) Sehr gute Englischkenntnisse in Wort und Schrift Außerfachliche Anforderungen Fähigkeit zum selbstständigen wissenschaftlichen Arbeiten Ausgeprägtes Organisationsgeschick und Verantwortungsbewusstsein Wünschenswert sind Erfahrungen im Projektmanagement Hohe Sozial- und Kommunikationskompetenz, insbesondere im Umgang mit Studierenden Einsatzfreude, Zuverlässigkeit, Flexibilität Freundliches und teamorientiertes Auftreten Wir bieten Die Möglichkeit in einem erfahrenen Team wissenschaftlich selbstständig zu arbeiten Einen mit öffentlichen Verkehrsmitteln gut zu erreichenden Arbeitsplatz im Innenstadtbereich Externe und interne Weiterbildungsmöglichkeiten Betriebliches Gesundheitsmanagement (u. a. div. Sportkurse) Familienfreundliche Arbeitszeit durch Gleitzeit und mobiles Arbeiten 30 Urlaubstage Ein aufgeschlossenes und erfahrenes Team freut sich über Ihre Verstärkung Bewerbungshinweise Die Berliner Hochschule für Technik bittet qualifizierte Interessentinnen nachdrücklich um ihre Bewerbung. Schwerbehinderte werden bei gleicher Qualifikation bevorzugt. Bewerbungen von Menschen mit Migrationshintergrund sind ausdrücklich erwünscht. Bitte bewerben Sie sich bis zum 08.03.2024 über unser Online-Bewerbungsformular unter www.bht-berlin.de/bewerbungsformular. Wir freuen uns auf Ihre Bewerbung! Die Berliner Hochschule für Technik (BHT)
Sei Teil unseres neuen Teams im interdisziplinären DFG geförderten Forschungsprojekt «Berlin Initiative for Applied Foundation Model Research» (Appl-FM) zu Machine Learning in der Robotik, Biologie und Medizin ab dem 01.04.2024 befristet auf fünf Jahre als Wissenschaftliche/r Mitarbeiter/in (m/w/d) Entgeltgruppe 13 TV-L Berliner Hochschulen mit 65 % der regelmäßigen Arbeitszeit Kenn-Nr.: 018/24 Du forschst in einem Team aus zwanzig Wissenschaftlerinnen und Wissenschaftlern und hast dabei die Möglichkeit zur Promotion. Wir arbeiten zusammen an anwendungsorientierter Grundlagenforschung zu Foundation Models (FM) - also Computermodelle, die durch Künstliche Intelligenz und Maschinelles Lernen zielgerichtet für die Forschungsbereiche Robotik, Quantitative Biologie und Prädiktive Medizin trainiert werden. Die Vision des Projektes ist dreigeteilt: Roboter sollen von Demonstrationen lernen, wie sie sich zu bewegen haben. Zelluläre Prozesse sollen automatisch überwacht und kategorisiert werden. KI-Systeme sollen medizinisches Personal bei der Diagnostik unterstützen. Du arbeitest am Projektteil Quantitative Biology & Smart Microscopy (R2). Dieses beschäftigt sich mit der Erstellung von digitalen hochaufgelösten mikroskopischen Bildern von bakteriellen Krankheitserregern in verschiedenen Wachstumszuständen, in Reinkultur und nach Etablierung der Methode in Einspezies- und Mehrspezies-Biofilmen. Geometrische sowie volumetrische Eigenschaften (Durchmesser, Länge, Breite, Volumen, Biofilmdicke etc.) der Mikroorganismen in Reinkultur sowie im Zellverbund, im Biofilm werden bestimmt. Auf Basis dieser Daten sollen quantitative Modelle untersucht werden, um die Mikroorganismen in den digitalen Bildern nicht nur auf Speziesebene zu identifizieren, sondern um ihren physiologischen Zustand und ihr Gefahrenpotenzial als Krankheitserreger festzustellen. Diese Methodik soll die Zeitspanne zur sicheren reproduzierbaren Diagnose einer Infektion und dem Therapievorschlag drastisch verkürzen. Die quantitative digitale Bildanalyse soll mit Einzelzell-Transkriptomik der Krankheitserreger kombiniert werden, um Expressionsgrad von Pathogenitätsfaktoren sowie Antibiotikaresistenzen zu bestimmen. In Zusammenschau soll das Teilprojekt »Biofilme« zur Entwicklung von personalisierter Medizin von Infektionskrankheiten beitragen. Direkt betreut wirst du von den Professor:innen Dr. Elisabeth Grohmann (BHT), Dr. Simone Reber (BHT) und Dr. Erik Rodner (HTW Berlin). Bitte beachte auch unsere Ausschreibungen zu den anderen Projektteilen. Aufgabengebiet Eigenständige Aufnahme von hochaufgelösten mikroskopischen Bildern verschiedener Krankheitserreger sowie Erstellung der zugehörigen Bilddateien Ermittlung von geometrischen und volumetrischen Daten von Krankheitserregern Etablierung der Bedingungen zur Anzucht der Krankheitserreger in Single Species und Multi Species (polymikrobiellen) Biofilmen Quantitative Bildanalyse von Krankheitserregern in verschiedenen physiologischen Zuständen in Reinkultur sowie im Biofilm Etablierung des »Single-Cell Transcriptomics« Workflows für ausgewählte pathogene Modellorganismen Durchführung der Single-Cell Transcriptomics Analysen (Single-Cell Sequencing) sowie eigenständige bioinformatische Analyse der Daten (»Big Data«) Intensive interdisziplinäre fachbereichsübergreifende Zusammenarbeit mit den wissenschaftlichen Mitarbeiterinnen und Principal Investigators im Forschungsprojekt Regelmäßige Teilnahme an Forschungsprojekt Meetings, internationalen Konferenzen und Workshops, Veröffentlichung und Präsentation der Forschungsergebnisse Unterstützung bei der Betreuung von studentischen Hilfskräften und Abschlussarbeiten Fachliche Anforderungen Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder Diplom) in der Fachrichtung Biotechnologie, Biochemie, Molekularbiologie, Mikrobiologie oder einer vergleichbaren Fachrichtung oder gleichwertige Qualifikation (Vorlage des Abschlusses spätestens zum Zeitpunkt der Unterschrift des Arbeitsvertrages) Weitreichende praktische Erfahrungen in Fluoreszenzmikroskopie und weiteren mikroskopischen Verfahren Praktische Erfahrungen in quantitativer digitaler Bildanalyse. Von Vorteil sind Erfahrungen in High-Throughput Bildanalyse Praktische Erfahrungen mit molekularbiologischen Techniken wie PCR, qPCR, DNA-und RNA-Isolierung sowie Transkriptomik Praktische Erfahrungen in Kultivierung von pathogenen Mikroorganismen erwünscht Erste Erfahrungen mit der bioinformatischen Analyse von Daten (Big Data) Sehr gute Englischkenntnisse in Wort und Schrift Außerfachliche Anforderungen Fähigkeit zum selbstständigen wissenschaftlichen Arbeiten Ausgeprägtes Organisationsgeschick und Verantwortungsbewusstsein Wünschenswert sind Erfahrungen im Projektmanagement Hohe Sozial- und Kommunikationskompetenz, insbesondere im Umgang mit Studierenden Einsatzfreude, Zuverlässigkeit, Flexibilität Freundliches und teamorientiertes Auftreten Wir bieten Die Möglichkeit in einem erfahrenen Team wissenschaftlich selbstständig zu arbeiten Einen mit öffentlichen Verkehrsmitteln gut zu erreichenden Arbeitsplatz im Innenstadtbereich Externe und interne Weiterbildungsmöglichkeiten Betriebliches Gesundheitsmanagement (u. a. div. Sportkurse) Familienfreundliche Arbeitszeit durch Gleitzeit und mobiles Arbeiten 30 Urlaubstage Ein aufgeschlossenes und erfahrenes Team freut sich über Ihre Verstärkung Bewerbungshinweise Die Berliner Hochschule für Technik bittet qualifizierte Interessentinnen nachdrücklich um ihre Bewerbung. Schwerbehinderte werden bei gleicher Qualifikation bevorzugt. Bewerbungen von Menschen mit Migrationshintergrund sind ausdrücklich erwünscht. Bitte bewerben Sie sich bis zum 08.03.2024 über unser Online-Bewerbungsformular unter www.bht-berlin.de/bewerbungsformular. Wir freuen uns auf Ihre Bewerbung! Die Berliner Hochschule für Technik (BHT)

Berufsfeld

Bundesland

Standorte