Machine Learning Engineer (TE-DPS-AIM-2026-223-LD)
- Anstellung
- Vertrag
- Ort
- Genève
- Erstmals ausgeschrieben
Einleitung
Helfen Sie, die Zukunft der KI im Gesundheitswesen zu gestalten, wo Innovation auf Vertrauen trifft.
Am CERN werden Sie hochmoderne KI-Lösungen entwickeln, die helfen, Krankheiten zu verhindern, Vorhersagen zu verbessern und vertrauenswürdige Erkenntnisse im Gesundheitswesen zu liefern. Sie werden an Technologien arbeiten, die es ermöglichen, den Wert sensibler Daten zu erschließen, ohne sie jemals zu bewegen oder offenzulegen, was eine Zusammenarbeit ermöglicht, bei der Privatsphäre unerlässlich ist.
Im Rahmen dieser Rolle werden Sie bei der Entwicklung und dem Einsatz von CAFEIN® helfen, der föderierten KI-Plattform des CERN, die wichtige europäische Gesundheitsinitiativen wie UMBRELLA und AIM-SAFE vorantreibt. Sie werden fortschrittliche Federated-Learning-Algorithmen und sichere verteilte KI-Systeme entwerfen, die es Modellen ermöglichen, aus Daten über Institutionen hinweg zu lernen, während die Daten genau dort bleiben, wo sie hingehören.
CAFEIN® gilt als Leuchtturmbeispiel für das Prinzip „Daten bleiben, KI kooperiert“ und kombiniert modernstes Federated Learning mit den einzigartigen Stärken des CERN in den Bereichen Vertrauen, Open Science, DSGVO-Konformität und internationale Zusammenarbeit. Das Ergebnis ist ein wegweisender Rahmen, der neu definiert, wie KI den Gesundheitssektor voranbringen kann und gleichzeitig die Privatsphäre schützt.
Schließen Sie sich uns an, um KI zu entwickeln, die global lernt, lokal schützt und Leben verbessert.
Funktionen
- Entwicklung und Test von Federated-Learning-Software und -Algorithmen.
- Implementierung und Evaluierung privatsphäreerhaltender Techniken, einschließlich Differential Privacy und homomorpher Verschlüsselung.
- Entwicklung von Werkzeugen zur Optimierung der Datenerfassung und zur Bewertung der Qualität von Daten und Bildern.
- Entwurf und Durchführung von Machine-Learning-Experimenten unter Verwendung von Programmiersprachen wie Python mit Bibliotheken wie TensorFlow, PyTorch oder scikit-learn.
- Analyse von Daten unter Verwendung statistischer Methoden und Visualisierungen für die explorative Datenanalyse (EDA).
- Implementierung und Benchmarking von modernsten Machine-Learning-Methoden, wobei das Federated Learning hinsichtlich Nutzen, Kommunikationseffizienz, Energieverbrauch und Skalierbarkeit optimiert wird.
- Entwurf und Einsatz von auf dem Internet der Dinge (IoT) basierenden Federated-Learning-Architekturen.
Master-Abschluss oder gleichwertige relevante Erfahrung im Bereich Machine Learning, Informatik, Data Science oder einem verwandten Bereich.
Erfahrung:
- Nachgewiesene Erfahrung in der Entwicklung und dem Einsatz von Federated-Learning-Lösungen in realen Umgebungen.
- Kenntnisse in Federated-Learning-Techniken, einschließlich Aggregationsalgorithmen, Kommunikations- und Netzwerkarchitektur, Sicherheits- und Datenschutzfunktionen.
- Praktische Erfahrung mit Netzwerksicherheit, einschließlich Zertifikaten, Verschlüsselung, Zugangskontrolle, Autorisierung und Authentifizierung.
- Nachgewiesene Erfahrung in der Koordinierung oder technischen Leitung von Machine-Learning-Implementierungen.
- Exzellente Kenntnisse und praktische Erfahrung mit Software-Lebenszyklus-Tools und -Verfahren (Kenntnisse in Git und GitLab).
- Exzellente Kenntnisse von Programmierungstechniken und -sprachen: python, Deep-Learning-Frameworks (z. B. TensorFlow, Keras, PyTorch, Jax oder scikit-learn).
- Erfahrung in der Datenanalyse im Gesundheitswesen wäre ein Vorteil.
Technische Kompetenzen:
- Kenntnisse und Anwendung von Software-Lebenszyklus-Tools und -Verfahren.
- Kenntnisse von Programmierungstechniken und -sprachen.
- Testen, Diagnostizieren und Optimieren von Software.
- Kenntnisse der Best Practices für die Entwicklung sicherer Software.
- Administration von Computersystemen, Upgrades, Anwendung von Sicherheitspatches, System- und Datenmigrationen, Backup und Recovery.
Verhaltenstechnische Kompetenzen:
- Ergebnisse erzielen: termingerechte Lieferung hochwertiger Arbeit und Erfüllung von Erwartungen.
- Probleme lösen: Identifizierung, Definition und Bewertung von Problemen sowie das Ergreifen von Maßnahmen zu deren Behebung.
- Arbeiten in Teams: Konstruktive Zusammenarbeit mit anderen zur Verfolgung von Teamzielen; Abwägung persönlicher Ziele mit Teamzielen.
- Effektive Kommunikation: Sicherstellung, dass Informationen, Verfahren und Entscheidungen angemessen dokumentiert werden.
- Lernen und Wissen teilen: Wissen und Fachwissen offen und bereitwillig mit anderen teilen; andere coachen, um den Wissenstransfer zu gewährleisten.
Sprachkenntnisse:
Gesprochenes und geschriebenes Englisch, mit der Bereitschaft, Französisch zu lernen.
Berechtigung und Einschlussdatum:
Vielfalt (https://diversity.web.cern.ch/) ist seit der Gründung ein integraler Bestandteil der Mission des CERN und ein etablierter Wert der Organisation. Der Einsatz einer vielfältigen Belegschaft ist zentral für unseren Erfolg. Wir freuen uns über Bewerbungen aus allen Mitgliedstaaten und Assoziierten Mitgliedstaaten (https://home.cern/about/member-states).
Diese Stelle wird so schnell wie möglich besetzt, und Bewerbungen sollten uns normalerweise nicht später als am 12.12.2026 um 23:59 Uhr CET erreichen.
Arbeitsbedingungen
Vertragsart: Befristeter Vertrag (3 Jahre). Unter bestimmten Bedingungen können Inhaber befristeter Verträge sich auf eine unbefristete Stelle bewerben.
Arbeitszeit: 40 Stunden pro Woche
Arbeitsflexibilität: Hybrid
Jobgrad: 6-7
Jobreferenz: TE-DPS-AIM-2026-223-LD
Arbeitsbereich: Informationstechnologien
Benchmark-Jobtitel: Computing Engineer
Globale Vorteile
- Ein wettbewerbsfähiges Gehalt (https://careers.cern/pay-benefits-and-support/) (steuerfrei), das mit Ihren Jahren relevanter Erfahrung steigt.
- 30 Tage bezahlter Urlaub pro Jahr plus 2 Wochen Jahresbetriebsruhe.
- Abdeckung durch das umfassende Krankenversicherungssystem des CERN (für Sie selbst, Ihren Ehepartner und Ihre Kinder) und Mitgliedschaft in der CERN-Pensions
Automatisch aus dem Original übersetzt.
Ausgeschrieben vor 4 Tagen