Doktorand i maskininlärning

Doktorand i maskininlärning

Arbetsbeskrivning

Luleå tekniska universitet är i stark tillväxt med världsledande kompetens inom flera forskningsområden. Vår forskning bedrivs i nära samarbete med industrier som LKAB, Ericsson, Boliden, ABB, Epiroc och ledande internationella universitet. Luleå tekniska universitet omsätter totalt 1,8 miljarder kronor per år. Vi är idag 1 770 anställda och 17 200 studenter.

Vi formar framtiden genom nydanande utbildningar och banbrytande forskningsresultat. Med utgångspunkt i den arktiska regionen skapar vi global samhällsnytta.



Bakgrund
Machine Learning Research Laboratory söker en doktorand inom området maskininlärning. Vi erbjuder välutrustade laboratorielokaler för forskning och bra akademiskt nätverk i Sverige och utomlands.

Ämnesbeskrivning
Maskininlärning fokuserar på metoder med vilka datorsystem använder data för att förbättra sin egen prestanda, förståelse och till att göra konkreta förutsägelser och har nära anknytning till tillämpningar.

Projektbeskrivning
Som doktorand är du en del av ett projekt som syftar till att utforska maskininlärningsmetoder för bergklassificering från Drill Core-rådata fram till materialklassificeringen. Projektet omfattar metod för förbearbetning av data, analys av olika datakällor, kombination av dessa källor och utveckling av ett justerbart end-to-end-system för borrkärnanalys. Du kommer att samarbeta aktivt med Boliden Mineral under det pågående arbetet med att utveckla system för att hjälpa geologer i deras tolkning av borrkärnor. Det innebär flera besök i Bolidens verksamhet i Europa. Du kommer att ingå i en större projektgrupp bestående av personal från avdelningarna maskininlärning och malmgeologi vid Luleå tekniska universitet samt experter från Boliden Minerals institution för prospekteringsteknik.

Du kommer att vara baserad vid avdelningen för Embedded Internet Systems Lab (EISLAB) Machine Learning group och kommer att handledas gemensamt av ledande befattningshavare från avdelningen malmgeologi på Luleå tekniska universitet. Projektet finansieras av Boliden Minerals avdelningar inom prospekteringsteknik och är baserat i Luleå. Du kommer ha ett tätt samarbete med en doktorand från Ore Geology om automatisk bergklassificering.

Här finns ytterligare information om doktorandutbildningen: studieplan för forskarutbildning inom teknisk fakultet.

Kvalifikationer
Vi söker en mycket motiverad och entusiastisk doktorand som vill bedriva toppmodern forskning. Du ska ha en civilingenjörsexamen i datavetenskap, gärna maskininlärning. Erfarenhet av Deep Learning Framework eller industriell erfarenhet krävs. Dokumenterad praktisk erfarenhet av att tillämpa maskininlärningsmodeller på datamängder som genereras av modern kärnskanningsteknik är en fördel. Du ska ha goda kunskaper i engelska i både tal och skrift och ha kapacitet att arbeta självständigt såväl som i team.

Information
Anställning som doktorand är tidsbegränsad på 4 år, undervisning och annan institutionstjänstgöring kan tillkomma upp till 20 % av heltid. Tillträde sker så snart som möjligt eller efter överenskommelse. Placeringsort: Luleå.

För ytterligare information, vänligen kontakta: Professor Marcus Liwicki, 0920-491006, marcus.liwicki@ltu.se

Fackliga representanter: SACO-S Kjell Johansson, 0920-49 1529, kjell.johansson@ltu.se OFR-S Lars Frisk, 0920-49 1792, lars.frisk@ltu.se

Luleå tekniska universitet arbetar aktivt med jämställdhet och mångfald som bidrar till en kreativ studie- och arbetsmiljö. Universitetets kärnvärden bygger på respekt, öppenhet, samarbete, förtroende och ansvar.

Ansökan
Vi föredrar att du ansöker om denna tjänst genom att klicka på knappen ansök nedan. Ansökan ska innehålla CV, personligt brev och kopior av verifierade examensbevis. Din ansökan, inklusive examensbevis, ska vara skriven på engelska eller svenska. Markera din ansökan med referensnumret nedan.

Sista dag att ansöka: 21 juli 2021
Referensnummer: 2282-2021

Sammanfattning

  • Arbetsplats: Luleå tekniska universitet
  • 1 plats
  • 6 månader eller längre
  • Heltid
  • Fast månads- vecko- eller timlön
  • Publicerat: 30 juni 2021
  • Ansök senast: 21 juli 2021

Liknande jobb


20 december 2024

20 december 2024

20 december 2024