Das Fachgebiet Big Data Engineering (DAMS Lab) sucht eine*n studentischen Beschäftigte*n (d/m/w) zur Verstärkung des Teams und zur Unterstützung bei der fachgebietsinternen Prototypenentwicklung und Experimenten im Kontext systemorientierter Forschung zu Daten- und Machine Learning (ML) Systemen für den gesamten Data Science Lebenszyklus von Datenintegration, -bereinigung, und -vorbereitung, über effizientes und skalierbares Model Training, bis hin zu Model Debugging und Deplpoyment. Die Aufgaben umfassen unterstützende Tätigkeiten unter Anleitung in den folgenden Bereichen:

• Open-source contributions in fachgebietsinternen ML-Systemen zu Sprachabstraktionen, Kompilierungs- und Laufzeittechniken, Tests, sowie Werkzeugen (APIs, Systeminternas, und Werkzeuge) [60%]
• Implementierung von am Lehrstuhl entwickelten Datenanalyse- und ML-Pipelines (Anwendungsfälle, Primitive, und Anwendungen unterschiedlicher Domänen, einschliesslich Health Care und Earth Observation) [20%]
• Experimentelle Evaluierung von gesamten ML-Pipelines, Systemkomponenten und unterschiedlichen Baselines [20%]

Muss-Kriterien:

• Programmiererfahrung in Python, Java, C++ (mindestens zwei)
• Grundwissen in Data Management, angewandtes maschinelles Lernen, Compilerbau, verteilte Systeme und Software Engineering (mindestens zwei)
• Gute Deutsch- und/oder Englischkenntnisse erforderlich; Bereitschaft die jeweils fehlenden Sprachkenntnisse zu erwerben

Kann-Kriterien:

• Grundkenntnisse im Umgang mit Versionskontrollsystemen (besonders git) sowie open-source Entwicklungs-Workflows
• Grundkenntnisse in der Durchführung experimenteller Evaluationen auf System- und Komponenten-Ebene
• Erfahrung mit R und Shell Skripten
• Kommunikations- und Teamfähigkeit, selbständige Arbeitsweise, hohe Motivation

Fachlich verantwortlich / Ansprechpartner:in für die Ausschreibung: Sarah Hashmi, hashmi@tu-berlin.de
Besetzungszeitraum: vom 01.09.2025, befristet für zwei Jahre
Bewerbung an: jobs@dams.tu-berlin.de

Ihre schriftliche Bewerbung mit Anschreiben, Lebenslauf, Immatrikulationsbescheinigung und ggf. aktueller Notenübersicht richten Sie bitte unter Angabe der Kennziffer an die o.g. Beschäftigungsstelle.
Zur Wahrung der Chancengleichheit zwischen Männern und Frauen sind Bewerbungen von Frauen mit der jeweiligen Qualifikation ausdrücklich erwünscht. Schwerbehinderte werden bei gleicher Eignung bevorzugt.