Der Deutsche Wetterdienst (DWD) sucht im Rahmen des "STEP UP! Fellowship programme" Early Career Fellows (m/w/d) für den EZMW-Standort Bonn. Die Fellows arbeiten befristet für 2 Jahre an Forschungsprojekten in Zusammenarbeit mit Wissenschaftlern des EZMW und des Center for Earth System Observation and Computational Analysis. Das Fellowship-Programm beinhaltet ein zielgerichtetes Weiterbildungsprogramm zur Kompetenzentwicklung. Die Forschungsthemen umfassen Bereiche wie digitale Zwillinge, generatives maschinelles Lernen, GNSS-R-Beobachtungen und Hochwasservorhersage.
Der Deutsche Wetterdienst bietet im Rahmen des „STEP UP! Fellowship programme for early career scientists“ ab Januar 2025 spannende Möglichkeiten für talentierte Nachwuchswissenschaftler (m/w/d).
Als Early Career Fellow (m/w/d) am EZMW-Standort Bonn arbeiten Sie befristet für 2 Jahre an zukunftsweisenden Forschungsprojekten.
Werden Sie Teil eines internationalen Teams am Europäischen Zentrum für mittelfristige Wettervorhersage (EZMW) und gestalten Sie die Zukunft der Wettervorhersage mit!
Ihre Aufgaben umfassen die Zusammenarbeit mit führenden Wissenschaftlern und die Unterstützung des Center for Earth System Observation and Computational Analysis.
Profitieren Sie von einem zielgerichteten Weiterbildungsprogramm, das Ihre Kompetenzen optimal fördert.
Ihre Forschungsschwerpunkte:
- Interfacing mit Digitalen Zwillingen
- Generatives maschinelles Lernen (ML)
- Untersuchung der Nutzung von GNSS-R-Beobachtungen über der Landoberfläche
- Untersuchung der Auswirkungen des Land Data Assimilation System (LDAS) auf die Hochwasservorhersage
- Nutzung von Beobachtungen zur Verbesserung von Wolken- und Niederschlagsprozessen für die numerische Wettervorhersage
Bewerben Sie sich jetzt und starten Sie Ihre Karriere beim DWD!
Arbeitsort
Deutscher Wetterdienst
Köln
51147 Nordrhein-Westfalen
Dafür brauchen wir Sie
Die folgenden Forschungsthemen des Fellowship-Programms stehen zur Auswahl:
Thema 1: Interfacing mit Digitalen Zwillingen
Thema 2: Generatives maschinelles Lernen (ML)
Thema 3: Untersuchung der Nutzung von GNSS-R-Beobachtungen über der Landoberfläche
Thema 4: Untersuchung der Auswirkungen des Land Data Assimilation System (LDAS) auf die Hochwasservorhersage
Thema 5: Nutzung von Beobachtungen zur Verbesserung von Wolken- und Niederschlagsprozessen für die numerische Wettervorhersage
Es ist möglich, sich für mehrere Themen zu bewerben. Bitte gebe in Deiner Bewerbung an, für welche(s) Projekt(e) Sie sich bewerben (mit Angabe einer Rangfolge).
Mehr Informationen zu dem Aufgabengebiet der einzelnen Forschungsthemen, der Möglichkeit einer Verlängerung im Rahmen einer Promotion und zum Programm allgemein finden Sie hier hier:
https://www.dwd.de/DE/derdwd/arbeitgeber/einsteigen/fellowship/fellowship.html?nn=20138
Ihr Profil
Das sollten Sie unbedingt mitbringen:
- Erfolgreich abgeschlossenes naturwissenschaftliches oder technisches Hochschulstudium (Bachelor, Master, Diplom), vorzugsweise der Physik, Mathematik, Informatik, Umweltwissenschaften, Hydrologie, Ozeanographie und Meteorologie
- Sichere Kenntnisse der englischen Sprache in Wort und Schrift (mind. Level B2 CEFR)
Das wäre wünschenswert:
Thema 1:
- Erfahrung und/oder Fachwissen in der numerischen Modellierung physikalischer Prozesse
- Kenntnisse in Shell-Skripten und Python sowie die Fähigkeit, (Fortran-) Codes zu lesen und zu verstehen
- Hintergrund in globalen oder regionalen Simulationen
Thema 2:
- Erfahrung im Training generativer maschineller Lernmodelle, die auf Bilder/Videos oder ähnliche Anwendungen angewendet
- Gute Kenntnisse in Python (oder einer ähnlichen Sprache)
- Erfahrung in der Entwicklung generativer Modelle
Thema 3:
- Fachkenntnisse in der Assimilation von Landoberflächendaten und der Modellierung des Strahlungstransfers
- Erfahrung im Umgang mit Erdbeobachtungsdatensätzen
- Ausgeprägte Programmierkenntnisse, idealerweise in Python, Fortran und UNIX-Shell-Skripting
Thema 4:
- Fachkenntnisse in den Bereichen Landdatenassimilation, Landoberflächenmodellierung und/oder hydrologische Datenanalyse
- Fachkenntnisse in numerischer Modellierung und/oder Datenassimilation
- Erfahrung mit globalen oder regionalen Simulationen