Helmholtz Information & Data Science School:

HEIBRiDS

In die Tiefen des Universums blicken oder Erdbeben vorhersagen: An der Helmholtz Einstein International Berlin Research School in Data Science (HEIBRiDS) hat die Beschäftigung mit Data Science einen weiten Horizont.

Der Berliner Forschungsverbund für Data Science

Eine einzigartige Forschungsumgebung zeichnet die Helmholtz Einstein International Berlin Research School in Data Science (HEIBRiDS) aus: Hier wird die Erforschung der Kernmethoden, Algorithmen und Prozesse der Digitalisierung aus unterschiedlichen Blickwinkeln ermöglicht und Wissen zwischen unterschiedlichen Disziplinen transportiert.

HEIBRiDS vereint sechs Helmholtz-Zentren und vier Universitätspartner aus dem Einstein Center Digital Future (ECDF), das sich mit Digitalisierungs-Kerntechnologien, von der digitalen Gesundheit über die digitale Industrie bis hin zu den digitalen Geisteswissenschaften, beschäftigt. Die beteiligten Helmholtz-Zentren verfügen über erstklassige Expertise in den Bereichen Molekularer Medizin, Astrophysik, Polar- und Meeresforschung, Luft- und Raumfahrt, Materialwissenschaften und Geowissenschaften.

HEIBRiDS ermöglicht uns, noch weiter über den Tellerrand zu schauen. Ich versuche, mein Thema daher immer auch aus datenwissenschaftlicher Sicht zu betrachten und Methoden anzuwenden, die vielleicht noch keiner angewendet hat.

Gregor Pfalz

ist Doktorand an der HEIBRiDS. Er analysiert Daten, die aus den Sedimenten arktischer Seen stammen, um Klimavorhersagen zu treffen. Lesen Sie mehr zu seinem Projekt

Mission

In einem interdisziplinären Promotionsprogramm werden junge Wissenschaftlerinnen und Wissenschaftler in datenwissenschaftlichen Anwendungen in einem breiten Spektrum naturwissenschaftlicher Bereiche ausgebildet.

Das Ziel von HEIBRiDS ist, eine neue Generation von Data Scientists auszubilden, die die Anforderungen und Herausforderungen derjenigen Disziplinen verstehen, in denen die Datenwissenschaft unverzichtbar geworden ist.

Forschungsbereiche

Die Teilnehmer des HEIBRiDS-Programms promovieren in sehr unterschiedlichen Forschungsbereichen, die von Earth & Environment, Astronomy, Space & Planetary Research über Geosciences, Materials & Energy zu Molecular Medicine reichen.

Übersicht über aktuelle Promotionsprojekte

„Ich fand Data Science spannend und wollte etwas Neues lernen. Informatik, Datenwissenschaft und Satelliten sind eine sehr schöne Kombination.“

Olga Kondrateva, Doktorandin an der HEIBRiDS

Curriculum

  • Betreuung: Tandembetreuung durch eine Universität und einen Helmholtz-Partner; halbjährliche Treffen mit beiden Betreuern; jährliches Treffen mit dem interdisziplinären Thesis Advisory Committee
  • Kurse zur wissenschaftlichen Weiterbildung und zur Schulung persönlicher Fähigkeiten: Individuell gestalteter Lehrplan entsprechend dem jeweiligen Forschungsprofil. Zugang für alle HEIBRiDS-Doktorandinnen und -Doktoranden zu Kursen aus einem umfangreichen Kursangebot der Berliner Universitätsallianz und der Helmholtz-Partner sowie zu speziell für die Doktorandinnen und Doktoranden des Programms organisierten Kursen
  • Obligatorische Teilnahme an den Doktorandenseminaren und den Data Science Lectures, die zweimal im Monat stattfinden
  • HEIBRiDS-Retreat: Präsentation des eigenen Forschungsprojekts und des Feedbacks der Programm-PIs auf dem jährlichen HEIBRiDS-Retreat
  • Teilnahme an (internationalen) Konferenzen

Finanzierung und Dauer des Programms

Das Programm erstreckt sich über vier Jahre und bietet eine volle Finanzierung. Die Vergütung während der Laufzeit entspricht der Tarifstufe E13 des TVöD bzw. des TV-L (abhängig von der Institution, an der die Anstellung erfolgt).

Bewerbung und weitere Informationen

Es stehen insgesamt 25 Promotionsstellen zur Verfügung, die bereits alle vergeben sind. HEIBRiDS-Standort ist Berlin, je nach disziplinärer Anbindung ergeben sich abweichende Standorte für die Promovenden im Berliner Umkreis. Programmsprache ist Englisch.

Kontakt

PD Dr. Eirini Kouskoumvekaki

Unsere Doktoranden

Siddhant Agarwal

Siddhant Agarwal
Doktorand HEIBRiDS

Philipp Baumeister

Philipp Baumeister
Doktorand HEIBRiDS

Ivo Daniel

Ivo Daniel
Doktorand HEIBRiDS

Felix Fiedler

Felix Fiedler
Doktorand HEIBRiDS

Femke van Geffen

Femke van Geffen
Doktorandin HEIBRiDS

Binayak Gosh

Binayak Ghosh
Doktorand HEIBRiDS

Thorren Gimm

Thorren Gimm
Doktorand HEIBRiDS

Paolo Graniero

Paolo Graniero
Doktorand HEIBRiDS

Brian Groenke

Brian Groenke
Doktorand HEIBRiDS

Olga Kondrateva

Olga Kondrateva
Doktorandin HEIBRiDS

Henning Lilienkamp

Henning Lilienkamp
Doktorand HEIBRiDS

Nicolas Miranda

Nicolas Miranda
Doktorand HEIBRiDS

Jannes Münchmeyer

Jannes Münchmeyer
Doktorand HEIBRiDS

Lusinè Nazaretyan

Lusinè Nazaretyan
Doktorandin HEIBRiDS

Gregor Pfalz

Gregor Pfalz
Doktorand HEIBRiDS

Sergey Redyuk

Sergey Redyuk
Doktorand HEIBRiDS

Tabea Rettelbach

Tabea Rettelbach
Doktorandin HEIBRiDS

Elizabeth Robertson

Elizabeth Robertson
Doktorandin HEIBRiDS

Mario Sänger

Mario Sänger
Doktorand HEIBRiDS

Kontakt

Mario Sänger
Mario Sänger
Projekttitel: "Representation Learning for Corpus-level Biomedical Relation Extraction"

Supervisors:

Ulf Leser (HU)

Sepideh Saran

Sepideh Saran
Doktorandin HEIBRiDS

Kontakt

Sepideh Saran
Sepideh Saran
Projekttitel: "Machine Learning Methods for Integration and Analysis of Multi-omics Biomedical Data"

Supervisors:

Uwe Ohler (MDC)

Hermann Stolte

Hermann Stolte
Doktorand HEIBRiDS

Kevin Styp-Rekowski

Kevin Styp-Rekowski
Doktorand HEIBRiDS

Peter Tillmann

Peter Tillmann
Doktorand HEIBRiDS

Christian Utama

Christian Utama
Doktorand HEIBRiDS

Nadja Veigel

Nadja Veigel
Doktorandin HEIBRiDS

Anna Vlot

Anna Vlot
Doktorandin HEIBRiDS

Leon Weber

Leon Weber
Doktorand HEIBRiDS

Xiaoyan Yu

Xiaoyan Yu
Doktorandin HEIBRiDS

Peter Hirsch

Peter Hirsch
Doktorand HEIBRiDS

Kontakt

Peter Hirsch
Peter Hirsch
Projekttitel: "Development and Application of Novel Methods to Analyze Cells and Cell Lineages in a High Throughput Manner"

Supervisors:

Dagmar Kainmueller (MDC)

Oleksii Martynchuk

Oleksii Martynchuk
Doktorand HEIBRiDS

Kanishka Singh

Kanishka Singh
Doktorandin HEIBRIDS

Kontakt

Kanishka Singh
Kanishka Singh
Projekttitel: "Machine Learning Meets Theoretical Chemistry: Data-driven Analysis of Grapheneoxide"
Alternativ-Text

Newsletter bestellen