Abgeschlossene wissenschaftliche Hochschul­bildung mit Promotion der Fachrichtung Mathematik oder Naturwissenschaften oder vergleichbare Fachrichtung oder gleichwertige Fachkenntnisse, Fähigkeiten und Erfahrungen Kenntnisse im Bereich inverser Probleme wie Rauschreduktion, Entfaltung, Tomographie, Phasenproblem in der Holographie Erste Erfahrung bei der Nutzung von Deep Learning Algorithmen zur Lösung inverser Probleme Starkes Interesse an interdisziplinärer Zusammenarbeit und innovativen Machine Learning Lösungen im Kontext von angewandten Beschleunigerlösungen Gute Kenntnisse in HPC, zum Beispiel auf Basis von Python und/oder Cuda oder vergleichbare Programmiersprachen (wünschenswert) Kenntnisse oder Interesse an fortgeschrittenen statistischen Methoden und Analysen (wünschenswert) Gute Englischkenntnisse (Deutsch wünschenswert)