PostDoc
myScience
Lausanne
Auf einen Blick
- Veröffentlicht:21 November 2025
- Pensum:100%
- Arbeitsort:Lausanne
PostDoc
Arbeitsort Lausanne - Genferseeregion - SchweizKategoriePositionVeröffentlicht20. November 2025Die EPFL, die Eidgenössische Technische Hochschule Lausanne, ist einer der dynamischsten Universitätsstandorte Europas und gehört zu den Top 20 Universitäten weltweit. Die EPFL beschäftigt mehr als 6.500 Mitarbeitende, die die drei Hauptaufgaben der Institution unterstützen: Lehre, Forschung und Innovation. Der EPFL-Campus bietet ein außergewöhnliches Arbeitsumfeld im Herzen einer Gemeinschaft von mehr als 18.500 Personen, darunter über 14.000 Studierende und 4.000 Forschende aus mehr als 120 verschiedenen Ländern.
Aufgabe
Im Rahmen eines SNF-Projekts wird der Kandidat eine Infrastruktur zur Analyse großer Sammlungen von Tarotdecks sowie zugehöriger textlicher und visueller Korpora entwickeln. Er wird mit einem Doktoranden zusammenarbeiten, der an diesem Thema arbeitet, sowie mit dem restlichen Forschungsteam des Labors. Ziel ist es, eine robuste und wiederverwendbare Infrastruktur für die groß angelegte Analyse kleiner visueller Motive zu schaffen, die das Rückgrat des vorliegenden Projekts bildet und auf andere ähnliche Forschungsprojekte verallgemeinert werden kann.
Hauptaufgaben und Verantwortlichkeiten
- Erstellung und Pflege großer multimodaler Datenbanken von Dokumenten (Tarotkarten, Bücher, Gemälde usw.)
- Entwicklung und Pflege der Analyse- und Verarbeitungspipeline
- Konsolidierung, Validierung und Dokumentation vorhandener Daten, Pipeline-Komponenten und Code-Module.
Profil
- Erfahrung: 1-3 Jahre als Machine Learning Engineer oder Promotion in verwandten Bereichen
- Ausbildung: MSc oder PhD in Informatik, Data Science oder einem verwandten Bereich oder gleichwertige Berufserfahrung im Bereich Machine Learning.
- Technische Fähigkeiten:
- Fundierte Kenntnisse im Machine Learning mit praktischer Erfahrung in Deep-Learning-Architekturen (Transformer, Sprachmodelle).
- Kenntnisse in Python, Unix-basierten Systemen, Datenbanken (SQL/NoSQL), Cloud-Speicher (S3) und Computing (Kubernetes, Run:AI) sowie Skripting/Automatisierung.
- Vertrautheit mit kollaborativen Entwicklungs- und Code-/Modellverwaltungsplattformen (GitHub, Hugging Face und verwandte Tools).
- Einstellung:
- Neugierig, kreativ, sorgfältig und detailorientiert; motiviert durch wissenschaftliche Forschung und Anwendungen im Bereich Kulturerbe, mit einer proaktiven und problemlösungsorientierten Haltung.
- Starkes Teamgefühl, Kommunikationsfähigkeit, Verantwortungsbewusstsein und Produktionsreife.
- Sehr gute Englischkenntnisse in Wort und Schrift. Französischkenntnisse sind von Vorteil.
- Wünschenswert
- Frühere Erfahrung in einem akademischen oder Forschungskontext.
- Erfahrung mit historischen oder digitalisierten Dokumenten und interdisziplinärer Zusammenarbeit.
- Erfahrung mit Bildverarbeitung neben Text- und Sprachdaten ist ein Plus.
- Interesse an der Betreuung von Studierenden und akademischer Veröffentlichung.
Wir bieten
Die EPFL, die Eidgenössische Technische Hochschule Lausanne, ist eine der dynamischsten und internationalsten Wissenschafts- und Technologieinstitutionen Europas. Mit über 12.000 Studierenden und 4.000 Forschenden aus 120 Ländern bietet die EPFL ein außergewöhnliches Forschungs- und Arbeitsumfeld am Ufer des Genfersees.
Das Digital Humanities Laboratory wurde 2012 von Professor Frédéric Kaplan gegründet. Das Labor entwickelt neue rechnergestützte Ansätze zur Verwaltung großer digitaler Kulturobjekte (wie große Text-, Bild- und komplexe Dokumentenkorpora) und zur hochauflösenden Digitalisierung von Artefakten, Gebäuden und Städten. Es zielt auch darauf ab, neue Erkenntnisse über digitale Kulturen zu gewinnen, wie visuelle Sprachen, Videokultur und sprachliche Vermittlungen.
Informationen
Vertragsbeginn: 01.02.2026
Beschäftigungsgrad Min: 50 %
Beschäftigungsgrad Max: 50 %
Vertragsart: Befristeter Vertrag
Dauer: 1 Jahr (verlängerbar auf 2 Jahre)
Jetzt bewerben »
Ähnliche Stellen finden:
Personnel Scientifique (FR), Personnel Scientifique