Appel à candidatures pour les bourses de doctorat de l’Université Ludwig-Maximilians Munich, Allemagne
Description
La Ludwig-Maximilians-Universität München (LMU Munich), l’une des principales universités de recherche allemandes, propose un poste de doctorat en économétrie entièrement financé pour l’année universitaire 2025. Le poste, basé à Munich, comprend une rémunération compétitive dans le cadre de TV-L E13, garantissant des avantages financiers importants aux candidats retenus. Les candidatures sont ouvertes jusqu’au 31 janvier 2025, ce qui en fait une excellente occasion pour les titulaires d’un diplôme en mathématiques, en statistiques, en économie ou dans des domaines connexes de faire progresser leur carrière académique et professionnelle en Allemagne.
À propos de LMU Munich et du poste
LMU Munich, fondée en 1472, est réputée pour son engagement en faveur de la recherche et de l’excellence de l’enseignement. La chaire de statistiques et d’économétrie, dirigée par le professeur Daniel Wilhelm, fait partie du département de statistique de LMU et collabore étroitement avec la communauté dynamique de l’économétrie de Munich, y compris TU Munich. L’équipe se concentre sur l’avancement de la théorie économétrique et le développement de méthodes statistiques innovantes, en particulier en microéconomie.
Niveau de diplôme
Le niveau de diplôme pour le poste à la Ludwig-Maximilians-Universität München (LMU Munich) est le doctorat (PhD).
Sujets disponibles
Les sujets suivants sont disponibles pour étudier dans le cadre de ce programme de bourses.
- Mathématiques
- Statistiques
- Économie
- Économétrie
- Données et métriques
Avantages
Le poste de doctorant offre :
- Une plateforme pour mener des recherches indépendantes et réaliser une thèse de doctorat en économétrie.
- Opportunités de s’engager dans des collaborations internationales, des séminaires et des ateliers dans la communauté florissante de Munich Econometrics.
- Responsabilités académiques telles que la direction de travaux dirigés et la supervision de travaux de thèse.
Avantages financiers et croissance de carrière
Le poste offre un salaire financièrement gratifiant dans le cadre du groupe de rémunération TV-L E13, assurant un soutien financier important aux doctorants. En plus des avantages monétaires, le rôle offre une orientation professionnelle individuelle, l’accès à des cours de deuxième cycle et un financement pour présenter des recherches lors de conférences internationales.
Nationalités éligibles
Cette bourse est ouverte aux étudiants internationaux de toutes nationalités.
Critères d’admissibilité
Le candidat idéal doit avoir :
- Un diplôme en mathématiques, en statistiques, en économie ou dans un domaine connexe.
- Une base solide en mathématiques, en probabilités et en statistiques.
- Excellentes compétences en programmation statistique (p. ex., R).
- Capacité avérée à manipuler des preuves mathématiques et statistiques.
- Maîtrise de l’anglais parlé et écrit.
Procédure de candidature
Les candidats sont encouragés à soumettre leur lettre de motivation, leur CV, leurs relevés de notes et une liste de cours pertinents par e-mail dans un seul fichier PDF à Martina Brunner à martina.brunner@lmu.de. Au moins une lettre de recommandation doit être envoyée séparément par l’arbitre.
Date limite: 31 janvier 2025
Les candidatures seront examinées à partir du 1er février 2025, et les candidatures tardives peuvent encore être prises en compte si le poste reste ouvert.
Pourquoi choisir LMU Munich ?
Située en Allemagne, la LMU Munich est un centre d’excellence académique et d’innovation. Se joindre à la Chaire de statistique et d’économétrie, c’est faire partie d’un environnement stimulant qui privilégie le développement professionnel et la recherche percutante.
Commencez votre voyage vers la réussite académique en postulant à cette opportunité exceptionnelle à LMU Munich pour l’année universitaire 2025. Pour plus d’informations sur le poste et la communauté dynamique de Munich Econometrics.
Postulez ici 👇:
https://job-portal.lmu.de/jobposting/a2556374375ba10de9d90f64924df853c92590960?ref=homepage
