Tenure-Track-Stelle für Machine Learning and Deep Learning for Medical Imaging

Ausschreibung der Tenure-Track-Stelle für Machine Learning and Deep Learning for Medical Imaging für Bewerber*innen mit Doktorat/Ph.D. nach dem Kollektivvertrag der Arbeitnehmer*innen der Universitäten an der Abteilung für Virtuelle Morphologie am Institut für Anatomie und Zellbiologie der Medizinischen Fakultät der Johannes Kepler Universität Linz.

Von der*dem erfolgreichen Bewerber*in wird erwartet, die Weiterentwicklungen auf dem Gebiet von Artificial Intelligence, insbesondere von Machine Learning for Medicine & Healthcare, voranzutreiben. Ein zentraler Beitrag ist die Erstellung und Abhaltung einer Lehrveranstaltung “Deep Learning for Medical Imaging” für Studierende des Masterprogramms “Artificial Intelligence” an der Johannes Kepler Universität Linz. Außerdem sollen weitere Lehrveranstaltungen im Artificial Intelligence Masterprogramm und zur Vernetzung von Humanmediziner*innen und Studierenden von Artificial Intelligence angeboten werden.

Kandidat*innen sollten profunde Forschungsexpertise im Bereich von Machine Learning for Medicine & Healthcare, vor allem in folgenden Bereichen Entwicklung von Deep learning & Representation Learning Methoden in Medizin und Healthcare, Entwicklung von Machine Learning und Deep Learning Methoden für medizinische Bildgebung (“Medical Imaging”) und multi-modale Daten, Interpretability Methoden für Machine-Learning Methoden in der Medizin sowie Einsatz von modernen Sprachmodellen (“large language models”) in der Medizin vorweisen können.

Die Tenure-Track-Stelle die der Abteilung für Virtuelle Morphologie an der Medizinischen Fakultät der Johannes Kepler Universität Linz erst- und dem Institut für Machine Learning an der Johannes Kepler Universität Linz zweitzugeordnet ist, ist mit einer Person mit Doktorat/Ph.D. nach dem Kollektivvertrag der Arbeitnehmer*innen der Universitäten und dem UG im vollen Beschäftigungsausmaß (40 Wochenstunden) befristet auf sechs Jahre zu besetzen.

info box

Ansprechpersonen

Leiter der Abteilung für Virtuelle Morphologie
Univ.-Prof.
Dr. Franz Fellner
franz.fellner(at)kepleruniversitätsklinikum.at

Institut für Machine Learning
Assoc.Prof.
Mag. Dr. Günter Klambauer
klambauer(at)ml.jku.at,

Anstellungs- verhältnis

Vollzeit
6 Jahre befristet
(gem. § 99 UG)

Bewerbungsfrist

13.12.2023

Die Stelle ist für hochqualifizierte Nachwuchswissenschafter*innen mit einem Doktorat/Ph.D. aus dem medizinischen, naturwissenschaftlichen oder Informatikbereich (Artificial Intelligence, Informatik, Humanmedizin, Biologie, Chemie, o.ä.) eingerichtet und bietet die Möglichkeit des Abschlusses einer Qualifizierungsvereinbarung und damit – nach positiver Entscheidung – einer Dauerstelle als Assoziierte*r Professor*in (§ 99 Abs 5 und 6 UG).

Die*Der Kandidat*in sollte bereits eine wissenschaftliche Tätigkeit nach dem Doktorat/Ph.D. sowie exzellente Publikationen und Lehrerfahrungen sowie erfolgreiche Drittmittelakquise vorweisen, wobei der Abschluss des Doktorats-/Ph.D.-Studiums höchstens 10 Jahre zurückliegen sollte (Karriereunterbrechungen auf Grund von Elternkarenz, Wehr(ersatz)dienst, usw. sind abzuziehen). Die detaillierte Stellenbeschreibung finden Sie unter www.jku.at/tenuretrack, öffnet eine externe URL in einem neuen Fenster. Der Stellenbeschreibung können Sie Informationen über die strategische Positionierung der Stelle im Bereich der Forschung, die Schwerpunktzuordnung, die erwartete Art von Forschung, der erwartete Umfang der Beiträge zum Lehrangebot, die erforderliche Praxiserfahrung, die wesentlichen Qualifizierungsziele, die im Rahmen der Stelle erreicht werden sollen, wesentliche Informationen über die bestehende Forschungsinfrastruktur und weitere stellenspezifische Anforderungen entnehmen.

Das kollektivvertragliche Mindestgehalt beträgt auf Basis einer Vollzeitbeschäftigung EUR 60.926,60 brutto pro Jahr. Ein höheres Gehalt ist Verhandlungssache. Nach Abschluss der Qualifizierungsvereinbarung erhöht sich das kollektivvertragliche Mindestgehalt auf EUR 71.738,80 jährlich.

Nähere Auskünfte erteilt Univ.-Prof. Dr. Franz Fellner, E-Mail franz.fellner(at)kepleruniversitätsklinikum.at, Leiter der Abteilung für Virtuelle Morphologie, und Assoc.Prof. Mag. Dr. Günter Klambauer, E-Mail klambauer(at)ml.jku.at, Institut für Machine Learning.

An der JKU wird Leistung im Kontext der jeweiligen Biografie und der Möglichkeiten einer Person berücksichtigt. Damit wird anerkannt, dass wissenschaftliche Leistungen in unterschiedliche Lebensläufe (wie reduziertes Beschäftigungsausmaß oder Unterbrechung der Erwerbstätigkeit aufgrund von Pflege, Kinderbetreuung, etc.) eingebettet sein können. Qualifikationen werden daher im Sinne der Chancengerechtigkeit unter Berücksichtigung biografischer Faktoren wie des akademischen Alters bewertet.

Die Johannes Kepler Universität strebt eine Erhöhung des Anteils an Frauen im wissenschaftlichen Personal an und fordert deshalb qualifizierte Frauen nachdrücklich auf, sich zu bewerben. Bei gleicher Qualifikation wird bevorzugt eine Frau berufen. Bewerber*innen mit dem Status begünstigt behindert werden bei entsprechender Eignung besonders berücksichtigt. Wenn Sie Interesse an dieser abwechslungsreichen Aufgabe haben, freuen wir uns über Ihre Bewerbung, die Sie unter Einhaltung der 5-wöchigen Bewerbungsfrist bis spätestens 13.12.2023 an den Rektor der Johannes Kepler Universität richten. Die Bewerbung ist in englischer Sprache in elektronischer Form unter https://forms.jku.at/pm/tenuretrack, öffnet eine externe URL in einem neuen Fenster einzureichen.

 Folgende Unterlagen sind Ihrer Bewerbung beizufügen: Bewerbungsschreiben, in dem insbesondere auch auf die Motivation und die Eignung für die Bewerbung einzugehen ist, Lebenslauf, Publikationsverzeichnis, die drei wichtigsten Publikationen, Darstellung der bisherigen Lehr- und Vortragstätigkeit einschließlich allfälliger Evaluierungsergebnisse, Darstellung bisheriger Forschungsprojekte und Kooperationen, Darstellung bisheriger Tätigkeiten in der Praxis, die einen inhaltlichen Zusammenhang mit der Forschungs- oder Lehrtätigkeit aufweisen, Exposé über in Aussicht genommene Vorhaben und Ziele im Bereich der Forschung und Lehre.