Blätter-Navigation

Of­f­re 210 sur 367 du 08/01/2020, 16:46

logo

Tech­ni­sche Uni­ver­sität Ber­lin - Fakul­tät IV - Insti­tut für Tele­kom­mu­ni­ka­ti­ons­sys­teme / FG Kom­plexe und Ver­teilte IT-Sys­teme

2 Stel­len - Wiss. Mit­ar­bei­ter*in (d/m/w) - Ent­gelt­gruppe 13 TV-L Ber­li­ner Hoch­schu­len

unter dem Vor­be­halt der Mit­tel­be­wil­li­gung - Teil­zeit­be­schäf­ti­gung ist ggf. mög­lich

Die Ent­wick­lung eines zuver­läs­si­gen Sys­tems für die Instand­hal­tung von Cloud Platt­for­men sowie die Sicher­stel­lung von deren Aus­fall­si­cher­heit (Ano­ma­lie­er­ken­nung, Ursa­chen­ana­lyse und Wie­der­her­stel­lung) ist auf­grund der Kom­ple­xi­tät der Sys­teme eine große Her­aus­for­de­rung. Resi­li­enz ist defi­niert als die Fähig­keit einer Cloud-Platt­form, sich schnell wie­der­her­zu­stel­len und den Betrieb fort­zu­set­zen, auch wenn ein Feh­ler auf­ge­tre­ten ist; all­ge­mein auch als Feh­ler­to­le­ranz bezeich­net. Es wer­den Anstren­gun­gen unter­nom­men prä­dik­tive Ansätze zu imple­men­tie­ren, wobei Sys­tem­teile mit auf­tre­ten­den Ano­ma­lien repa­riert wer­den kön­nen, bevor diese sich zu Sys­tem­aus­fäl­len ent­wi­ckeln haben. In jüngs­ter Zeit hat sich AIOps zu einer Kate­go­rie ent­wi­ckelt, die auf die Kom­bi­na­tion von Sys­tem­be­trieb mit Metho­den der künst­li­chen Intel­li­genz (KI) abzielt. Dadurch soll der Betrieb von kom­ple­xen und ver­teil­ten IT-Sys­te­men auto­ma­ti­siert und ver­bes­sert wer­den. Hier­bei wer­den die von Sen­so­ren ver­schie­de­ner IT-Über­wa­chungs­sys­teme gesam­mel­ten Daten mit Hilfe von maschi­nel­lem Ler­nen und KI Daten­ströme ana­ly­siert. Dies ermög­licht es, auf Pro­bleme in Echt­zeit zu reagie­ren.

Auf­ga­ben­be­sch­rei­bung:

Ziel des Pro­jekts ist die Erfor­schung und Ent­wick­lung von AIOps-Metho­den für kon­ti­nu­ier­li­che Daten­ströme. Eine Her­aus­for­de­rung besteht darin, Lösun­gen zu ent­wi­ckeln, die all­ge­mein genug sind, um über ver­schie­dene Sys­teme hin­weg zu funk­tio­nie­ren. Wir kon­zen­trie­ren uns auf die fol­gen­den The­men: Reprä­sen­ta­tion von Log- und Metrik­da­ten, das Erler­nen gemein­sa­mer Modelle für meh­rere Sys­teme, Erken­nung und Erklä­rung von Ano­ma­lien. All dies beinhal­tet die Ent­wick­lung einer all­ge­mei­nen Methode, die Imple­men­tie­rung eines Pro­to­typs im Rah­men bestehen­der Open-Source-Pro­jekte und die expe­ri­men­telle Bewer­tung des Pro­to­typs mit Test­da­ten anhand von Simu­la­ti­ons- und Pro­duk­ti­ons­da­ten.

Er­war­te­te Qua­li­fi­ka­tio­nen:

  • Erfolg­reich abge­schlos­se­nes wis­sen­schaft­li­ches Hoch­schul­stu­dium (Mas­ter, Diplom oder Äqui­va­lent) der Infor­ma­tik, mit Ver­tie­fun­gen in den Berei­chen ver­teilte Sys­teme, künst­li­che Intel­li­genz und Data Sci­ence; vor­zugs­weise Erfah­rung im Bereich AIOps
  • Inter­esse an Sys­tem­ent­wick­lung und am Betrieb gro­ßer Soft­ware­ar­chi­tek­tu­ren, sowie Inter­esse, aktu­elle For­schungs­er­geb­nisse in rea­len Anwen­dun­gen zu eta­blie­ren
Min­dest­an­for­de­run­gen:
  • Erfah­rung mit sta­tis­ti­scher Soft­ware wie (python, numpy)
  • Erfah­rung mit Daten­ban­ken (SL, mon­goDB)
  • Erfah­rung mit Big Data Platt­for­men (Hadoop, SPARK)
  • Erfah­rung in der Arbeit mit Clus­ter- und Cloud-Sys­te­men (Open­Stack)
  • Bau und Betrieb von Con­tai­nern (Docker)
Bevor­zugte Qua­li­fi­ka­tio­nen:
  • Prak­ti­sche Erfah­rung im Pro­jekt­ma­nage­ment und in agi­len Ent­wick­lungs­me­tho­den
  • Prak­ti­sche Erfah­rung in der Kon­zep­tion und Gestal­tung von KI-Sys­tem­lö­sun­gen
  • Ver­traut im Umgang mit Metho­den aus dem Bereich der Echt­zeit- und Stream­da­ten­ana­lyse
  • Erfah­rung und Inter­esse an den The­men: unüber­wach­tes maschi­nel­les Ler­nen, Reprä­sen­ta­ti­ons­ler­nen, Ano­ma­lie­er­ken­nung und Zeit­rei­hen­klas­si­fi­zie­rung
  • Erfah­rung in der Arbeit mit erklär­ba­ren maschi­nel­len Lern­me­tho­den
  • Erfah­rung mit Ten­sor­Flow/PyTorch/keras
  • Erfah­rung im Schrei­ben von wis­sen­schaft­li­chen Arbei­ten

Team­geist und aus­ge­zeich­nete Kennt­nisse der deut­schen und eng­li­schen Spra­che (in Wort und Schrift) sind wei­tere Vor­aus­set­zun­gen.

Hin­wei­se zur Be­wer­bung:

Ihre schrift­li­che Bewer­bung rich­ten Sie bitte unter Angabe der Kenn­zif­fer mit den übli­chen Unter­la­gen an die Tech­ni­sche Uni­ver­sität Ber­lin - Der Prä­si­dent - Fakultät IV, Institut für Telekommunikationssysteme, FG Komplexe und Verteilte IT-Systeme, Prof. Dr. Odej Kao, Sekr. TEL 12-5, Ernst-Reuter-Platz 7, 10587 Berlin oder per E-Mail an odej.kao@tu-berlin.de.

Zur Wahrung der Chancengleichheit zwischen Frauen und Männern sind Bewerbungen von Frauen mit der jeweiligen Qualifikation ausdrücklich erwünscht. Schwerbehinderte werden bei gleicher Eignung bevorzugt berücksichtigt. Die TU Berlin schätzt die Vielfalt ihrer Mitglieder und verfolgt die Ziele der Chancengleichheit.

Aus Kostengründen werden die Bewerbungsunterlagen nicht zurückgesandt.
Bitte reichen Sie nur Kopien ein.