Doktorand i distribuerade och kontinuerligt lärande modeller
Uppsala universitet, Institutionen för elektroteknik / Elektronikjobb / Uppsala
2025-02-14
Visa alla elektronikjobb i Uppsala,
Östhammar,
Sigtuna,
Österåker,
Håbo eller i
hela Sverige Visa alla jobb hos Uppsala universitet, Institutionen för elektroteknik i Uppsala Doktorand i distribuerade och kontinuerligt lärande modeller som förmår att generalisera
Elektrifiering och digitalisering tillhör framtidens största områden för omställning till hållbara samhällen.
Institutionen för elektroteknik
https://www.uu.se/institution/elektroteknik/bedriver framgångsrik forskning och utbildning inom dessa områden - däribland förnybara energikällor och elfordon, industriell IoT, AI, 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 160 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. Här hittar du en trevlig arbetsmiljö och starka forskningsprojekt. Avdelningen för signaler och system samarbetar med svenska företag - offentliga och privata - och intressenter inom de olika forskningsområdena. Vi ser fram emot din ansökan. Var med och bygg framtiden med oss!
Om forskningsprojektet
Metoder för maskininlärning löser effektivt uppgifter som de har blivit speciellt tränade att lösa. De anpassar (tränar) först en matematisk modell på ett antal exempel och tillämpar sedan den tränade modellen. Men när tränade modeller ställs inför nya situationer, så sjunker deras prestanda avsevärt. Med andra ord så kan dessa system inte generalisera väl: de presterar dåligt i scenarier som är lite annorlunda än de som de tränats på. Detta utgör ett stort hinder för en effektiv och pålitlig användning av artificiell intelligens i praktiska tillämpningar.
Vi skulle behöva hitta träningsmetoder och modellstrukturer som kan lära att bemästra nya situationer utan att i alltför hög grad glömma redan inlärd kunskap. Sådana modeller, som utför kontinuerligt lärande, studeras och utvecklas i detta projekt. Vi kommer speciellt att studera kontinuerligt lärande i situationer där flera enheter i ett nätverk samarbetar och lär sig tillsammans (distribuerat lärande). Detta är en situation av stort praktiskt intresse men den kan göra generalisering ännu mera svår att uppnå. Med hjälp av strukturerade insikter från matematisk analys av problemen kommer vi att utveckla och utvärdera metoder för kontinuerligt lärande som har en bra förmåga att generalisera.
Arbetsuppgifter
- Doktorandens huvudsakliga arbetsuppgifter är forskning inom området distribuerad maskininlärning
- Doktoranden ska aktivt bidra till att ställa upp forskningsfrågorna i sitt doktorandprojekt
- Doktoranden kommer att ta en aktiv roll i att planera, genomföra och vid behov modifiera sitt forskningsprojekt och kommer att få avancerad samt aktuell specialkunskap inom området
- Doktoranden kommer att utveckla nya teorier och metoder; och analysera dessa metoders generaliseringsprestanda
- I arbetet som doktorand ingår det att skriva vetenskapliga publikationer samt presentera sina forskningsresultat muntligt i olika sammanhang såsom vid projektgruppsmöten och internationella konferenser
Huvuduppgiften för en doktorand är att ägna sig åt sin forskarutbildning vilket innefattar såväl deltagande i forskningsprojekt som forskarutbildningskurser. Undervisning och annat institutionsarbete utgör max 20 % av arbetstiden.
Kvalifikationskrav
Behörig till utbildning på forskarnivå är den som har
- avlagt examen på avancerad nivå inom teknisk fysik, elektroteknik, maskininlärning, datavetenskap, datorvetenskap, tillämpad matematik, eller liknande område, eller
- fullgjort minst 240 högskolepoäng inom dessa område, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
- på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper
Önskvärt/meriterande i övrigt
- Ett stort intresse för att utveckla nya metoder och teorier för maskininlärning
- En stark matematisk bakgrund; goda arbetskunskaper inom programmering (helst i Python)
- Goda kunskaper i engelska, i tal och skrift
- Ett strukturerat, självgående, självständigt förhållningssätt till tekniskt arbete och god samarbetsförmåga
- Kurser eller andra erfarenheter i ett eller flera av följande ämnen värdesätts: optimering, linjär algebra, signal behandling, statistik, stokastiska processer, statistisk maskininlärning samt djupinlärning
Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.
https://regler.uu.se/?languageId=3Om anställningen
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2025-09-01 eller enligt överenskommelse. Placeringsort: Uppsala.
Upplysningar om anställningen lämnas av: Ayca Ozcelikkale,
ayca.ozcelikkale@angstrom.uu.seVälkommen med din ansökan senast den 31 mars 2025, UFV-PA 2025/402.
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 7 600 anställda och 53 000 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/Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.
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 2025-03-31
Klicka på denna länk för att göra din ansökan Arbetsgivarens referens Arbetsgivarens referens för detta jobb är "UFV-PA 2025/402".
Omfattning Detta är ett heltidsjobb.
Arbetsgivare Uppsala Universitet (org.nr 202100-2932)
Arbetsplats Uppsala universitet, Institutionen för elektroteknik
Jobbnummer 9164871