Postdoktor i Distribuerad maskininlärning och optimering - Under tillsättning eller tillsatt, ej sökbar

Elektrifiering och digitalisering tillhör framtidens största områden för omställning till hållbara samhällen. Institutionen för elektroteknik 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.

Arbetsuppgifter
De 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.