Postdoktor i Distribuerad maskininlärning och optimering
Uppsala universitet, Institutionen för elektroteknik / Maskiningenjörsjobb / Uppsala
Observera att sista ansökningsdag har passerat.
Visa alla maskiningenjörsjobb i Uppsala,
Östhammar,
Sigtuna,
Österåker,
Håbo eller i
hela Sverige Visa alla jobb hos Uppsala universitet, Institutionen för elektroteknik i Uppsala Elektrifiering och digitalisering tillhör framtidens största områden för omställning till hållbara samhällen.
https://www.elektroteknik.uu.se/bedriver framgångsrik forskning och utbildning inom dessa områden - däribland förnybara energikällor och elfordon, industriell IoT, 6G kommunikation och trådlösa sensornät men även forskning och utbildning inom Life Science, hälsoteknik, smarta elektroniska sensorer och medicinska system. Institutionen för elektroteknik är en internationell miljö med ca 150 medarbetare som bidrar till viktiga tekniska energi- och hälsolösningar vid Ångströmlaboratoriet.
Tjänsten kommer att vara placerad vid avdelningen för Signaler och System, vid institutionen för Elektroteknik.
Forskningsprojekt
Nästa generations trådlösa nätverk kommer att behöva stödja ett antal applikationsområden som kräver strikta garantier på hög tillförlitlighet och låg latens, t.ex. uppkopplade autonoma fordonsnätverk, samarbetande robotar i smarta fabriker och andra verksamhets- och tidskritiska applikationer. Med tillkomsten av massiv maskin-till-maskinkommunikation och Internet-of-Things (IoT)-nätverk kan enorma datamängder samlas in och bearbetas med låg latens med hjälp av så kallad "edge computing"-teknik.
Distribuerad maskininlärning möjliggör inlärning baserat på många enheter som samarbetar utan att behöva utbyta rådata, vilket säkerställer både integritet, säkerhet och låga kommunikationskostnader. Lärande över trådlösa nätverk genererar dock betydande utmaningar på grund av flera faktorer som t. ex. begränsad bandbredd, variationer i kommunikationskanalen, begränsade beräknings- och energiresurser och den heterogena kommunikationstopologin som de anslutna IoT-enheterna ska arbeta med.
Syftet med detta projekt är att designa och analysera snabba distribuerade kommunikationseffektiva lärande- och optimerande algoritmer som är anpassningsbara till de begränsningar som de underliggande trådlösa nätverken inför. Det här projektet är tvärvetenskapligt och kräver verktyg från distribuerad optimering, reglerteknik, trådlös kommunikation och nätverksteknik, signalbehandling och statistisk maskininlärning. Projektet kommer att flytta fram gränserna inom distribuerad inlärning över trådlösa nätverk och att bidra till att utforma metoder för design av praktiska inlärningsalgoritmer för uppkopplade autonoma systemtillämpningar.
Publiceringsdatum2024-01-18Dina arbetsuppgifterDe huvudsakliga arbetsuppgifterna i denna tjänst är bland annat
- Genomföra teoretisk och tillämpad forskning inom området distribuerad optimering och maskininlärning, i synnerhet för att utveckla nya federerade och fullt distribuerade maskininlärnings-/optimeringsalgoritmer, prestandaanalys av dessa algoritmer på syntetiska och verkliga data
- Författande av högkvalitativa tekniska forskningsartiklar som lämpar sig för publicering i högt ansedda tidskrifter som IEEE Transactions on Automatic Control, Automatica, IEEE Transactions on Signal Processing, Journal of Machine Learning Research och även i internationella toppkonferenser inom området
- Ta del av forskningsspridning genom institutionsseminarier, konferenspresentationer nationellt och internationellt
- Undervisning i grund-/forskarutbildning som inte uppgår till mer än 20 % av heltid
Kvalifikationskrav
- Den sökande ska ha en doktorsexamen eller en utländsk examen motsvarande en doktorsexamen i elektro- eller datateknik/tillämpad matematik med inriktning mot styrning och optimering, signalbehandling och/eller maskininlärning.
- Examen ska vara uppfyllt senast vid tidpunkten då anställningsbeslutet fattas. Främst bör den komma ifråga som har avlagt examen för högst tre år sedan. Vid beräkning av ramtiden om tre år är utgångspunkten sista ansökningsdag. Om det finns särskilda skäl kan sådan examen ha avlagts tidigare. Med särskilda skäl avses ledighet på grund av sjukdom, föräldraledighet, förtroendeuppdrag inom fackliga organisationer, etc.
- Starka analytiska och matematiska färdigheter och goda arbetskunskaper inom flera av följande ämnen: reglerteori, konvex optimering, statistisk maskininlärning, signalbehandling och trådlös kommunikation
- Goda programmeringskunskaper i MATLAB eller Python (nödvändigt) och C++ (önskvärt)
- Mycket god muntlig och skriftlig förmåga i engelska.
- Förmåga att utföra oberoende forskning samt effektivt samarbeta med andra teammedlemmar
Instruktioner för ansökan
Ansökan bör innehålla CV, personligt brev med motivering till varför du är intresserad av anställningen och på vilket sätt anställningen matchar dina meriter samt en beskrivning av tidigare forskningserfarenheter, publikationslista, andra relevanta dokument såsom namn på 2-3 referenser.
Om anställningen
Anställningen är tidsbegränsad i 2 år enligt centralt kollektivavtal. Omfattningen är heltid. Tillträde 2024-05-11 eller enligt överenskommelse. Placeringsort: Uppsala
Upplysningar om anställningen lämnas av: Professor Subhrakanti Dey e-post:
subhrakanti.dey@angstrom.uu.se, tel: +46184717059.
Välkommen med din ansökan senast den 11 mars, 2024 UFV-PA 2024/238.
Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. Vår viktigaste tillgång är alla 7 500 anställda och 54 000 studenter som med nyfikenhet och engagemang gör Uppsala universitet till en av landets mest spännande arbetsplatser.
Läs mer om våra förmåner och hur det är att jobba inom Uppsala universitet
https://uu.se/om-uu/jobba-hos-oss/Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.
Ansökan tas emot i Uppsala universitets rekryteringssystem.
Ersättning Individuell lönesättning
Så ansöker du Sista dag att ansöka är 2024-03-11
Klicka på denna länk för att göra din ansökan Arbetsgivarens referens Arbetsgivarens referens för detta jobb är "UFV-PA 2024/238".
Omfattning Detta är ett heltidsjobb.
Arbetsgivare Uppsala Universitet (org.nr 202100-2932)
Arbetsplats Uppsala universitet, Institutionen för elektroteknik
Jobbnummer 8402309
Observera att sista ansökningsdag har passerat.