Doktorand i adaptiva neurala nätverk för djupinlärning

Doktorand i adaptiva neurala nätverk för djupinlärning

Är du intresserad av att utveckla och implementera nya nätverksstrukturer och inlärningsstrategier? Vill du vara en del av ett forskarteam med skickliga och vänliga kollegor i en internationell miljö? Söker du en arbetsgivare som erbjuder trygga och fördelaktiga arbetsvillkor?
Om svaret är ja, läs mer om följande doktorandtjänst vid Uppsala universitet.

Uppsala universitet (UU) är det äldsta universitetet i Sverige och Norden. Institutionen för informationsteknologi är UUs tredje största institution, med cirka 5000 grundutbildningsstudenter och 350 anställda, inklusive doktorander, forskare och administrativ personal. Doktoranden kommer att ansluta sig till ett dynamiskt team under ledning av professor Orcun Göksel, inom enheten för bildanalys vid institutionens Vi3-division. Gruppen arbetar med att utveckla numeriska och beräkningsmetoder med särskilt fokus på djupinlärning och bildanalys.

Läs mer här om anställning som doktorand vid Uppsala universitet.

Projektbeskrivning

Traditionella beräkningsmetoder kräver handgjorda analytiska modeller och/eller algoritmdesign. Neurala nätverk har visat stor potential att lösa komplexa uppgifter där vikterna i artificiella neurala nätverk lärs in med hjälp av optimeringsscheman. Under sådan träning förblir arkitekturerna för dessa nätverk fasta, som de definierats initialt av en AI-specialist. I praktiken flyttar detta den handgjorda processen till att välja och finjustera nätverksdesigner, vilket kräver betydande expertis och ansträngning eftersom valet av nätverksarkitektur i hög grad kan påverka slutresultaten.

Detta projekt kommer att undersöka teoretiska, numeriska och implementeringsmässiga aspekter av arkitektoniska förändringar i neurala nätverk. Framgångsrika metoder kommer att bidra till och forma nästa revolution inom djupinlärning. Lyckade lösningar kommer inte bara att effektivisera och optimera AI-modellernas design, utan också minska energiåtgång, utsläpp och arbetsinsats som idag krävs för att optimera arkitekturer. De resulterande modellerna kan också bli mindre och snabbare, vilket möjliggör kraftfullare applikationer på inbyggda enheter.

Inom projektet kommer den framgångsrika kandidaten att bedriva grundforskning och metodutveckling för att designa och implementera nya beräkningsmodeller och lösningar. En gedigen teoretisk bakgrund och praktisk erfarenhet av djupinlärning är avgörande, medan kunskaper inom linjär algebra, kalkyl och numerisk optimering är mycket relevanta. De utvecklade metoderna kommer att testas på enkla exempel såväl som på datorsyns-applikationer.

Arbetsuppgifter
Doktoranden kommer främst att fokusera på forskarutbildning. Andra uppgifter vid institutionen, såsom undervisningsassistans och mindre administrativa uppgifter, kan uppgå till högst 20 % av doktorandens arbetsbelastning.

Kvalifikationskrav
Behörig till utbildning på forskarnivå är den som har

• avlagt examen på avancerad nivå inom datavetenskap, teknik, dataanalys, tillämpad matematik, maskininlärning eller ett annat relaterat område, eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

Vi söker kandidater med:

• En gedigen förståelse för beräkningar och analys samt en stark akademisk bakgrund;
• Ett starkt intresse för att grundligt förstå karaktären hos befintliga metoder och system, både teoretiskt och praktiskt;
• Färdighet i programmering i Python och djupinlärningsramverk som PyTorch och TensorFlow;
• Utmärkta kommunikationsfärdigheter i både tal och skrift på engelska;
• Kreativitet, noggrannhet och ett strukturerat tillvägagångssätt för problemlösning.

Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.

Önskvärt/meriterande i övrigt
Erfarenhet av kalkyl, linjär algebra, optimering, sannolikhetsteori och numeriska metoder är meriterande. Kunskaper i Matlab är en fördel.

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer. För särskild behörighet, se studieplanen för ämnet.

Ansökan ska innehålla:

1. Ett CV.
2. Examensbevis och studieresultat med betyg (med kursnamn översatta till engelska eller svenska), samt, om möjligt, angiven rankning/percentil inom examensklassen eller en liknande stor jämförelsegrupp i CV:t.
3. Ett kort följebrev (högst en sida) som inkluderar:
   • Tidigast möjliga startdatum (med skäl om tillämpligt)
   • En kort punktlista med tre huvudsakligaakademiska eller vetenskapliga prestationer.
   • (Valfritt) Ytterligare förklaringar som sökanden kan vilja klargöra (t.ex. begränsad erfarenhet av ett kvalifikationsområde, uppehåll mellan examina eller akademiska förseningar) eller övriga kommentarer, om några.
4. Ett läsprov, t.ex. masteruppsats (eller ett utkast) eller annan egenproducerad vetenskaplig text. För bidrag till gemensamma publikationer, inkludera en lista i CV:n med länkar till publikationer online och bifoga den publikation där sökanden har gjort det största bidraget som ett extra läsprov.
5. Kontaktuppgifter (namn, e-postadresser och telefonnummer) till minst två referenser, med angivelse av sammanhanget, varaktigheten och arten av relationen till kandidaten. Referensbrev kan bifogas som stödjande dokument.

Om anställningen 
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde våren 2025 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Orcun Göksel, Professor, Institutionen för informationsteknologi, orcun.goksel@it.uu.se

Välkommen med din ansökan senast den 21 januari 2025, UFV-PA 2024/4263.