PhD position (m/f/d) in the field of Applied Machine Learning
Stellenart: Wissenschaftliches Personal
Stellenprofil: Universitäts-Projektassistent:in
Dienstbeginn: Ehestmöglich
Wochenstunden: 40 h/W
Referenz-Nr.: 4420 / 2026 / 9767
Vorteile
- Abwechslungsreicher Aufgabenbereich
- Kollegial-freundschaftliches Arbeitsklima
- Flexible Arbeitszeitgestaltung (inkl. Home-Office-Möglichkeit; bezahlte Mittagspause - je nach Stundenausmaß)
- Internationale Weiterbildungsmöglichkeiten und Lehraufenthalte
- Gütesiegel für innerbetriebliche Frauenförderung
- Familienfreundliche Arbeitgeberin
- Öffi-Zuschuss
- Universitätssportprogramm
- Einkaufsvergünstigungen
- Betriebliches Gesundheitsmanagement
- Zugang zu den neuesten Technologien
- Umfangreiche Aus- und Weiterbildungsmöglichkeiten
- Sicheres und stabiles Arbeitsumfeld
- Zusatzpensionskasse
Aufgaben
The research aims to develop accurate, robust, interpretable, and operationally useful machine-learning methods for renewable energy and power grid forecasting , supporting the reliable operation of energy infrastructure throughout the green energy transition . The central objective is to move beyond purely accuracy-driven forecasting toward models that remain reliable under changing weather conditions, evolving energy systems, and limited or heterogeneous data .
Particular focus is on:
- Robust forecasting under distribution shifts
- Multimodal and spatio-temporal forecasting using weather, energy and event information
- Uncertainty-aware forecasting
The overall goal is to develop a data-efficient and uncertainty-aware ML forecasting framework that is robust to distribution shifts, supports reliable day-ahead forecasting for renewable energy sources and power losses in electrical grids, and leads to high-impact publications supported by regular scientific supervision and mentorship.
Aufnahmebedingungen
- M.Sc. degree in a relevant field (Computer Science, Information and Computer Engineering, Physics, Electrical Engineering, or similar)
Gewünschte Qualifikation
- Strong background in machine learning, pattern recognition, good programming skills
- Excellent communication skills, fluency in English
Wir bieten
Wir bieten ein Jahresbruttogehalt auf Basis Vollzeit von mindestens € 52.865,40. Eine Überzahlung je nach Qualifikation und Erfahrung ist möglich.
Die Technische Universität Graz strebt eine Erhöhung des Frauenanteiles, insbesondere in Leitungsfunktionen und beim wissenschaftlichen Personal an und lädt deshalb qualifizierte Frauen ausdrücklich zur Bewerbung ein. Im Falle von Unterrepräsentation werden Frauen bei gleicher Qualifikation vorrangig aufgenommen.
Die Technische Universität Graz bemüht sich aktiv um Vielfalt und Chancengleichheit. Bei der Personalauswahl dürfen Personen aufgrund des Geschlechts, der ethnischen Zugehörigkeit, der Religion oder der Weltanschauung, des Alters oder der sexuellen Orientierung nicht benachteiligt werden (Antidiskriminierung).
Menschen mit Behinderung und entsprechender Qualifikation werden ausdrücklich zur Bewerbung eingeladen.
Über uns
Die TU Graz ist die traditionsreichste technisch-naturwissenschaftliche Forschungs- und Bildungsinstitution in Österreich und zählt zu einer der größten Arbeitgeber:innen der Region mit rund 4.000 Mitarbeiter:innen. In ihren fünf Stärkefeldern, den Fields of Expertise, erbringt die TU Graz internationale Spitzenleistungen und setzt auf intensive Zusammenarbeit mit anderen Forschungs- und Bildungseinrichtungen sowie mit Wirtschaft und Industrie weltweit. In der europäischen Hochschullandschaft steht die TU Graz verstärkt im Wettbewerb um die besten Köpfe und Ressourcen.
Organisationseinheit
Das Institut für Signalverarbeitung und Sprachkommunikation war der Hauptveranstalter der INTERSPEECH 2019 in Graz (https://interspeech2019.org) und nimmt eine führende Rolle beim Aufbau einer Graduate School of Excellence in European Speech and Language Technologies zusammen mit siebern Partnern der Unite! University Alliance (https://www.unite-university.eu) ein.
Kontakt
Technische Universität Graz
Rechbauerstraße 12
8010 Graz
Institut für Signalverarbeitung und Sprachkommunikation
Prof. Franz Pernkopf, [email protected]