Doktorand Inom Deep Learning

Kungliga Tekniska högskolan, / Administratörsjobb (offentlig verksamhet) / Stockholm
2018-02-22
Observera att sista ansökningsdag har passerat.
➡️ Klicka här för den senare publicerade platsannonsen "Doktorand Inom Deep Learning" (publicerad 2020-09-10) ⬅️


Visa alla administratörsjobb (offentlig verksamhet) i Stockholm, Solna, Lidingö, Sundbyberg, Danderyd eller i hela Sverige
Visa alla jobb hos Kungliga Tekniska högskolan, i Stockholm, Solna, Huddinge eller i hela Sverige

KTH är ett av Europas ledande tekniska universitet och en viktig arena för kunskapsutveckling. Som Sveriges största universitet för teknisk forskning och utbildning samlar vi studenter, forskare och fakultet från hela världen. Vår forskning och utbildning omfattar såväl naturvetenskap som alla grenar inom teknik samt arkitektur, industriell ekonomi, samhällsplanering, teknisk historia och filosofi.



Avdelningsinformation

Tjänsten är placerad vid Skolan för Elektroteknik och datavetenskap, och du kommer att arbeta på avdelningen RPL, Robotik, Perception, Lärande.

Läs gärna mer om oss på hemsidan, https://www.kth.se/rpl.

Publiceringsdatum
2018-02-22

Dina arbetsuppgifter
Forskningen kommer att utföras vid avdelningen för Robotik, Perception och Lärande (RPL) och ledas av biträdande lektor Hossein Azizpour, (http://www.csc.kth.se/~azizpour/) vars huvudsakliga forskningsområde är deep learning. Deep learning, d.v.s. maskininlärning i djupa nätverk, är ett delområde av maskininlärning som på ett dramatiskt sätt har förbättrat prestanda för flera olika typer av intelligenta system, men flera viktiga frågor är fortfarande föremål för forskning. Hur kan vi förklara de goda resultat som djupa nätverk presterar? Hur ska nätverkets beslutsprocess tolkas ? Hur kan vi överföra kunskap från ett område med god tillgång på annoterad data till områden där denna typ av information inte är lika tillgänglig?

Doktorandens roll kommer att bli att fokusera på att utveckla teoretiska verktyg att användas för dessa forskningsproblem och/eller att tillämpa dessa på allmänna problem inom datorseende, och möjligen språkteknologi.

Inom forskningsgruppen intresserar man sig för ett flertal områden, bl a: kunskapsöverföring, generella representationer och inlärning, förståelse av djupa nätverk och hur deras beslut kan förklaras, samt uppskattning av osäkerhet i dessa.

Om studenten så önskar och har tillräcklig erfarenhet av deep learning så finns möjligheten att mer fritt styra inriktningen på forskningen. För att ansöka om denna tjänst så anmodas sökanden att bifoga ett förslag på forskningsprogram anpassat till nämnda områden.

Startdatum är öppet för diskussion. Intresserade studenter som håller på med examensarbetet är välkomna att söka.

Kvalifikationer
Civilingenjörsexamen inom Datateknik, Tillämpad matematik, Robotik, Maskininärning eller relaterade områden krävs för tjänsten. Företräde kommer att ges åt sökanden med master examen eller masterstudenter nära examen. Sökande ska ha god kunskap i engelska och förmåga att uttrycka sig både skriftligt och muntligt. För att antas måste sökanden vara starkt motiverad för doktorandstudier samt måste ha visat god förmåga till självständigt arbete och kritisk analys.

För tjänsten krävs mycket god samarbetsförmåga samt kommunikativ förmåga. En väl utvecklad repertoar av matematisk kunskap behövs för tjänsten. Tidigare erfarenhet av och utbildning i maskininlärning, speciellt deep learning, är av mycket stor vikt för tjänsten. Meriterande är erfarenhet av deep learning system såsom TensorFlow, Torch, Theano, Caffe, CNTK, MXNet. Vidare är erfarenhet av parallella programeringsmiljöer, kännedom om Linux administration, erfarenhet av datorseende och C++ programmering och att arbeta med remote HPC och moln tjänster meriterande.

Vänligen läs även mer på KTHs sida: https://www.kth.se/utbildning/forskarutbildning/forskarutbildning-pa-kth-1.862.

Fackliga representanter

Du hittar kontaktuppgifter till fackliga representanter på KTH:s webbsida.

Så ansöker du
Ansökan skall innehålla följande dokument:

- Curriculum vitae med fokus på de kvalifikationer som listas ovan

- Kopior på examensbevis

- Namn, tjänst och akademisk anknytning från två akademiska referenser. Rekommendationsbrev är en option

- Följebrev; Här beskriver sökanden sig själv och tidigare utbildning, forskning och programmeringserfarenhet med speciellt fokus på det som är relaterat till denna tjänst. (max 1.5 sida)

- Förslag till forskningsprogram. Förslaget till forskningsprogram skall baseras på ett avsnitt av deep learning som studenten finner attraktivt och skulle önska utveckla under sina doktorandstudier vid KTH. Förskaget ska täcka relaterade arbeten inom detta område och några generella idéer på vad som kan åstadkommas utöver tidigare arbeten (max 1.5 sidor)

- *endast ett* exemplar sökandens tidigare arbeten t.ex. Avhandling, teknisk rapport eller publikation.

Vänligen observera att allt material måste vara på engelska förutom officiella dokument.

Du ansöker via KTH:s rekryteringssystem. Du som sökande har huvudansvaret för att din ansökan är komplett när den skickas in.

Ansökan ska vara KTH tillhanda senast sista ansökningsdagen vid midnatt, CET/CEST (Central European Time/Central European Summer Time).

Övrig information
Vi undanber oss direktkontakt med bemannings- och rekryteringsföretag samt försäljare av platsannonser.

Varaktighet, arbetstid
100%. Tillträde: Enligt överenskommelse Visstidsanställning

Ersättning
Månadslön enligt KTH:s avtal för doktorandlöner

Så ansöker du
Sista dag att ansöka är 2018-03-09
Ange följande referens när du ansöker: J-2018-0341
Klicka på denna länk för att göra din ansökan

Kontakt
Hossein Azizpour, Assistant Professor +46 8 790 6719 ; azizpour@kth.se

Företag
Kungliga Tekniska högskolan,

Adress
Kungliga Tekniska högskolan,
Brinellvägen 8
10044 Stockholm

Kontorsadress
Brinellvägen 8

Jobbnummer
3980196

Observera att sista ansökningsdag har passerat.

Prenumerera på jobb från Kungliga Tekniska högskolan,

Fyll i din e-postadress för att få e-postnotifiering när det dyker upp fler lediga jobb hos Kungliga Tekniska högskolan,: