Helmholtz Information & Data Science School:

HDS-LEE

Mit Data Science die eigene Forschung vorantreiben, von führenden Data Scientists lernen und sich interdisziplinär austauschen – das ist möglich an der Helmholtz School for Data Science in Life, Earth and Energy (HDS-LEE) im nordrhein-westfälischen ABCD-Dreieck (Aachen-Bonn-Cologne-Düsseldorf).

Forschung mit High-Performance-Computing

Die internationale Graduiertenschule HDS-LEE bietet ein interdisziplinäres Umfeld für die Ausbildung der nächsten Generation von Datenwissenschaftlern in engem Kontakt mit fachspezifischem Wissen und Forschung. Sie ist Teil des neu gegründeten JARA Center for Simulation and Data Sciences, das deutsche Kompetenzzentrum für Computer- und Dateninfrastrukturen, Nutzerunterstützung sowie methodische und disziplinäre Forschung in den Bereichen Simulation, Datenanalyse und High Performance Computing-Technologien. JARA ist eine einzigartige Kooperation zwischen dem Helmholtz-Forschungszentrum Jülich und der RWTH Aachen mit starker internationaler Sichtbarkeit.

Die HDS-LEE ermöglicht es, dass wir uns über unsere Forschungsbereiche hinweg austauschen können. So können wir uns inspirieren lassen, die Probleme im eigenen Fachbereich besser zu verstehen oder anders zu lösen.

Christian Gerloff
erforscht an der HDS-LEE die Signale des menschlichen Gehirns - mit Data Science. Lesen Sie mehr zu seinem Projekt.

Mehr über die Forschung an der HDS-LEE

HDS-LEE Reportagen

Mehr über die Forschung an der HDS-LEE und ihre Promovierenden finden Sie auf folgenden Seiten:

 

Zuwachs an der HDS-LEE

Gleich drei neue KI-Großprojekte haben Wissenschaftlerinnen und Wissenschaftler an der HDS-LEE kürzlich eingeworben. Das bedeutet: Neue Promovierende, ein noch stärkeres Netzwerk und weitere Data-Science-Forschungsthemen.

 

Wirbelstürme und Nasenatmung

Mario Rüttgers wendet Data Science-Methoden an, um zu zeigen, welche kleinen Wirbelstürme beim Einatmen in der Nase toben. Mit diesen Erkenntnissen will er helfen, künftige Nasen-OPs erfolgreicher zu machen – und Patienten das Atmen zu erleichtern.

 

Wo die Neuronen feuern

Christian Gerloff hat Elektrische Energietechnik studiert. Als Doktorand an der Graduiertenschule HDS-LEE forscht der Ingenieur nun daran, mit Data Science-Methoden eines der komplexesten Systeme weiter zu enträtseln: das menschliche Gehirn.

 

Die HDS-LEE umfasst die großen Forschungsbereiche der Lebenswissenschaften, der Geowissenschaften und der Material- und Energiewissenschaften.

Mission

Das strukturierte Promotionsprogramm der HDS-LEE richtet sich an exzellente Absolventinnen und Absolventen der Mathematik, Informatik, Naturwissenschaften und Ingenieurwissenschaften aus aller Welt. Die Promovierenden an der HDS-LEE wollen mit ihrer Forschung sowohl die Entwicklung datenwissenschaftlicher Methoden vorantreiben als auch modernste Technologien der künstlichen Intelligenz und des maschinellen Lernens nutzen, um anspruchsvolle wissenschaftliche Probleme zu lösen.

In dem strukturierten Programm werden die Doktorandinnen und Doktoranden in allen wesentlichen Bereichen der Informations- und Datenwissenschaften ebenso wie in Kommunikation und weiteren Schlüsselqualifikationen geschult. Die Ausbildungskomponenten des Programms werden gestärkt durch individuell zusammengestellte Trainingsmaßnahmen am Jülich Supercomputing Center (JSC).

Forschungsbereiche

  • Biowissenschaften
  • Geowissenschaften
  • Energiesysteme / Materialwissenschaften

Curriculum

  • Betreuung und Supervision durch ein interdisziplinär zusammengesetztes Thesis Advisory Committee (TAC)
  • Obligatorische Vorlesung „Data Science Methods and Applications“
  • Kurse zur wissenschaftlichen Weiterbildung, u.a. Trainingstage am Jülich Supercomputing Center (JSC) zu Themen wie Parallel Computing, maschinelles Lernen und Visualisierung
  • Soft Skill Kurse: Wissenschaftliches Schreiben und Präsentieren, Gute wissenschaftliche Praxis und "Doing Science"
  • Jährliche Klausurtagung
  • Teilnahme an (internationalen) Konferenzen
  • Persönliches Kompetenztraining und umfassende Unterstützung hinsichtlich Networking und Karriereentwicklung

Übersicht aktueller Promotionsprojekte

Workflow. Grafik: HDS-LEE
Die HDS-LEE bietet talentierten Data Scientists ein interdisziplinäres Forschungsumfeld in engem Kontakt zu domänenspezifischem Wissen und Forschung. (Foto: HDS-LEE)

Finanzierung und Dauer des Programms

Das Programm erstreckt sich über 3 Jahre und bietet eine volle Finanzierung. Die Vergütung während der Laufzeit entspricht der Tarifstufe E13 des TVöD/TV-L.

Bewerbung und weitere Informationen

Es stehen insgesamt 24 Promotionsstellen zur Verfügung, die direkt über HDS-LEE finanziert werden. Zudem können interessierte Data Science-Doktoranden dem Programm als assoziierte Doktoranden beitreten, bevorzugt von den HDS-LEE-Standorten Aachen, Köln, Düsseldorf und Jülich. Programmstart ist in einem Dreijahres-Rhythmus, die nächste Ausschreibungsphase startet 2021. Die Programmsprache ist Englisch.

Die Bewerberinnen und Bewerber müssen über angemessene Kenntnisse der Informatik im Allgemeinen verfügen, da HDS-LEE keine Ausbildung in Informatik-Grundlagen wie z.B. Programmieren anbietet. Zudem werden Englischkenntnisse vorausgesetzt.

Sind Sie daran interessiert, Ihre naturwissenschaftliche Forschung mit Data Science-Methoden voranzutreiben? Dann bewerben Sie sich bei der HDS-LEE

„An der HDS-LEE profitiere ich vor allem vom Ausbildungsangebot: den Soft-Skills-Kursen und natürlich den Vernetzungsmöglichkeiten. Der Austausch mit anderen Personen, die in ihrer Forschung ähnliche Probleme oder Herausforderungen haben, ist sehr wertvoll.“

Mario Rüttgers, assoziierter Doktorand an der HDS-LEE

Kontakt

Dr. Ramona Kloß

Unsere Doktoranden

Lisa Beumer

Lisa Beumer
Doktorandin HDS-LEE

Leonardo Boledi
Doktorand HDS-LEE

Eike Cramer
Alumnus HDS-LEE

Danimir Doncevic

Danimir Doncevic
Doktorand HDS-LEE

Christian Gerloff
Doktorand HDS-LEE

Sonja Germscheid
Doktorandin HDS-LEE

Jorge Guzmàn

Jorge Guzmàn
Doktorand HDS-LEE

Jazib Hassan
Doktorand HDS-LEE

Laura Helleckes
Doktorandin HDS-LEE

Robin Hilgers
Doktorand HDS-LEE

Johann Fredrik Jadebeck
Doktorand HDS-LEE

Kontakt

Johann Fredrik Jadebeck
Projekttitel: "Uncertainty Quantification in Metabolic Network Modelling"
Christiano Köhler

Christiano Köhler
Doktorand HDS-LEE

Johannes Kruse
Alumnus HDS-LEE

Stephan Malzacher
Doktorand HDS-LEE

Kontakt

Stephan Malzacher
Title of the project: "Standardised data acquisition in biocatalysis according to the FAIR principles"

Supervisor

Prof. Dr. Wolfgang Wiechert

Prof. Dr. Julia Kowalski

Prof. Dr. Dörte Rother

Charlotte Neubacher
Doktorandin HDS-LEE

Kontakt

Charlotte Neubacher
Title of the Project: "Exploration of Street Canyon Observations for inner-city Air Quality Forecast and Emission Optimization"

Supervisor

Prof. Dr. Astrid Kiendler-Scharr

Prof. Dr. Axel Klawonn

Dr. Anne Caroline Lange

Bamidele Oloruntoba

Bamidele Oloruntoba
Doktorand HDS-LEE

Melven Röhrig-Zöllner

Melven Röhrig-Zöllner
Doktorand HDS-LEE

Kontakt

Melven Röhrig-Zöllner
Melven Röhrig-Zöllner
Title of the project: "Performance of Dense and Sparse Tensor Operations in Applications"

Supervisor

Dr.-Ing. Achim Basermann

Prof. Dr. Axel Klawonn

Dr. Jonas Thies

Mario Rüttgers

Mario Rüttgers
Doktorand HDS-LEE

Anna Simson
Doktorandin HDS-LEE

Felix Terhag
Doktorand HDS-LEE

Daniel Wolff
Alumnus HDS-LEE

Alper Yegenoglu
Alumnus HDS-LEE

Hu Zhao

Hu Zhao
Alumnus HDS-LEE

Emile de Bruyn

Emile de Bruyn
Doktorand HDS-LEE

Kontakt

Emile de Bruyn
Emile de Bruyn
Projekttitel: "interaction of an intrinsically disordered protein surface in implicit or continuum solvent"
Dwaipayan Chatterjee

Dwaipayan Chatterjee
Doktorand HDS-LEE

Ann-Kathrin Edrich

Ann-Kathrin Edrich
Doktorandin HDS-LEE

Kontakt

Ann-Kathrin Edrich
Ann-Kathrin Edrich
Projekttitel: "Physics-informed machine learning for geohazard and climate change response engineering"

Advisor / Co. Advisor

Prof. Kowalski

Viktor Grimm

Viktor Grimm
Alumnus HDS-LEE

Ankit Patnala

Ankit Patnala
Doktorand HDS-LEE

Kontakt

Ankit Patnala
Ankit Patnala
Projekttitel: "Application on Unsupervised Learning on Air Quality Data with focus on Biogenic Emissions"
Alessio Quercia

Alessio Quercia
Doktorand HDS-LEE

Karina Ruzaeva

Karina Ruzaeva
Doktorandin HDS-LEE

Moein Samadi

Moein Samadi
Doktorand HDS-LEE

Kontakt

Moein Samadi
Moein Samadi
Projekttitel: "for solving the extrapolation problem of hybrid models on binary structures"
Giuliano Santarpia

Giuliano Santarpia
Alumnus HDS-LEE

Alaukik Saxena

Alaukik Saxena
Doktorand HDS-LEE

Kontakt

Alaukik Saxena
Alaukik Saxena
Projekttitel: " Discovery of aluminium alloys that can be made from scraps"
Timo Stomberg

Timo Stomberg
Doktorand HDS-LEE

Karel van der Weg

Karel van der Weg
Doktorand HDS-LEE

Sophia Wiechert

Sophia Wiechert
Doktorandin HDS-LEE

Kaveh Patakchi Yousefi

Kaveh Patakchi Yousefi
Doktorand HDS-LEE

Kontakt

Kaveh Patakchi Yousefi
Kaveh Patakchi Yousefi
Projekttitel: "Application of Deep Learning of Observation-Model Mismatches in a Data Assimilation Context as part of the project AI Strategy for Earth System Data"
Alternativ-Text

Newsletter bestellen