Två postdoktorala tjänster inom hållbar maskininlärning
Anställningstyp Heltid
Jobbposition Forskarassistent
Arbetsmodell På plats
Sista ansökningsdag 31 oktober 2024
Är du den rätta?
Luleå tekniska universitet är i stark tillväxt med världsledande kompetens inom flera forskningsområden. Vi formar framtiden genom innovativ utbildning och banbrytande forskningsresultat, och med utgångspunkt i den arktiska regionen skapar vi global samhällsnytta. Vår vetenskapliga och konstnärliga forskning och utbildning bedrivs i nära samarbete med internationella, nationella och regionala företag, offentliga aktörer och ledande universitet. Luleå tekniska universitet har en total omsättning på 1,9 miljarder kronor per år. Vi har för närvarande 1 840 anställda och 17 670 studenter. Under de kommande åren kommer mångmiljardinvesteringar att göras i stora projekt i norra Sverige för att skapa ett fossilfritt samhälle både nationellt och globalt. Luleå tekniska universitet är involverat i flera av dessa banbrytande forskningsprojekt och i den samhällsomvandling som de innebär. Vi erbjuder ett brett utbud av kurser och utbildningsprogram för att matcha den kompetens som efterfrågas. Vi hoppas att du vill hjälpa oss att bygga framtidens hållbara företag och samhällen.Luleå tekniska universitet är ett universitet i snabb tillväxt som producerar världsledande expertis inom flera forskningsområden. Vi formar framtiden genom innovativ utbildning och banbrytande forskningsresultat. Från vår plats i den arktiska regionen strävar vi efter att skapa globala samhällsnyttor. Forskningsämnet maskininlärning vid LTU har en öppen position tillgänglig inom området hållbar maskininlärning. Vi erbjuder state-of-the-art resurser för att utföra forskning och ett bra akademiskt nätverk i Sverige och utomlands. Vår maskininlärningsgrupp är en del av Wallenberg AI, Autonomous Systems and Software Program (WASP). WASP är Sveriges största enskilda forskningsprogram någonsin, ett stort nationellt initiativ för strategiskt motiverad grundforskning, utbildning och fakultetsrekrytering. Programmet behandlar forskning om artificiell intelligens och autonoma system som agerar i samarbete med människor, anpassar sig till sin omgivning genom sensorer, information och kunskap samt bildar intelligenta system-av-system. Visionen för WASP är excellent forskning och kompetens inom artificiell intelligens, autonoma system och mjukvara till nytta för svensk industri. Beskrivning av ämnet Maskininlärning fokuserar på beräkningsmetoder genom vilka datorsystem använder data för att förbättra sin egen prestanda, förståelse och för att göra korrekta förutsägelser och har en nära koppling till applikationer. Projektbeskrivning Forskningsprojekten inom hållbar maskininlärning är inriktade på att utveckla Edge AI-lösningar som harmoniserar miljöansvar med tekniska framsteg. Centralt för dessa initiativ är den transformativa potentialen i Tiny Machine Learning (TinyML) (https://youtu.be/MgqcLCqqjuQ), som möjliggör AI-distribution på resursbegränsade enheter som mikrokontroller, vilket möjliggör energieffektiva system över moln-till-edge-kontinuumet. Genom att utnyttja heterogen hårdvara och förbättra processerna för mjukvaruutveckling och interoperabilitet syftar dessa projekt till att skapa AI-system som är robusta, förklarliga och allmänt tillgängliga. Dessutom prioriterar de socialt och miljömässigt ansvar för att säkerställa att hållbar AI-utveckling inte bara främjar teknisk kapacitet utan också är i linje med långsiktig samhällelig och miljömässig välfärd. Arbetsuppgifter Tjänsten innebär att bedriva forskningssamarbete med både akademiska institutioner och industripartners över hela Europa, med betoning på ett starkt engagemang från industrin. I arbetsuppgifterna ingår att handleda doktorander och bidra till forskningsprojekt, från planering till genomförande och analys. Utöver forskning ingår undervisning och utveckling av utbildningsprogram, med fokus på att förbättra pedagogiska metoder. Nära samarbete med andra forskare och tvärvetenskapligt teamarbete är också en viktig del av rollen. Kvalifikationer För att kvalificera dig för en tjänst som postdoktoral forskare måste du ha en doktorsexamen eller motsvarande utländsk examen i datavetenskap, datateknik, elektroteknik, artificiell intelligens, inbyggda system, matematik, robotik eller motsvarande nära relevant område. En doktorsexamen som avlagts högst tre år före ansökningstidens utgång är en användbar kvalifikation. Sökande som har avlagt doktorsexamen tidigare kan också komma i fråga om det finns särskilda skäl, t.ex. olika typer av lagstadgad tjänstledighet. Forskningsexpertis inom sakernas internet, inbyggd maskininlärning, Edge AI eller Tiny Machine Learning är fördelaktigt. Vi söker entusiastiska kandidater som kan uppvisa expertis i att bedriva banbrytande forskning, vilket framgår av ett register över kollegialt granskade publikationer. Erfarenhet av internationellt samarbete inom forskningsprojekt är mycket önskvärt. Kandidaterna bör ha goda kunskaper i engelska, både i tal och skrift, och ha förmågan att arbeta självständigt såväl som i team. Maskininlärningsgruppen är mycket mångsidig och vi välkomnar varmt sökande från alla bakgrunder. Ytterligare information om tjänsten Postdoktortjänsten är på två år med placering i Luleå, med start efter förhandling. För ytterligare information om tjänsten, vänligen kontakta universitetslektor Dr. Hui Han, hui.han@ltu.se Fackliga representanter: SACO-S Joanna Hübinette, (+46)920-49 3432 joanna.hubinette@ltu.se OFR-S Lars Frisk, (+46)920-49 1792 lars.frisk@ltu.se I händelse av olika tolkningar av den engelska och den svenska versionen av detta pressmeddelande ska den svenska versionen äga företräde. Ansökan Vi ser helst att du ansöker till denna tjänst genom att klicka på ansökningsknappen nedan. Ansökan ska innehålla CV, personligt brev samt kopior på verifierade examensbevis från gymnasium och universitet. Märk din ansökan med referensnumret nedan. Din ansökan, inklusive examensbevis, ska vara skriven på engelska eller svenska. Sista ansökningsdag: 31 oktober 2024 Referensnummer: 3442-2024