Doktorand i matematik med fokus på datorseende

Doktorand i matematik med fokus på datorseende

Arbetsbeskrivning

Lunds universitet grundades 1666 och rankas återkommande som ett av världens 100 främsta lärosäten. Här finns 40 000 studenter och 7 600 medarbetare i Lund, Helsingborg och Malmö. Vi förenas i vår strävan att förstå, förklara och förbättra vår värld och människors villkor.


Lunds Tekniska Högskola, LTH, är en teknisk fakultet inom Lunds universitet med forskning av hög internationell klass och stora satsningar på pedagogisk mångfald.



Tjänsten kommer att placeras på enheten Matematik LTH och Numerisk analys vid Matematikcentrum.

Centrat har i nuläget starka forskarmiljöer inom datorseende och maskininlärning. Tjänsten finansieras av Wallenberg AI, Autonomous Systems and Software Program (WASP) som är Sveriges största individuella forskningsprogram och tillhandahåller en plattform för akademisk forskning och undervisning. WASP ämnar att förstärka, expandera och förnya den nationella kompentensen genom strategiska rekryteringar, ett ambitiöst forskningsprogram, en nationell forskarskola och samarbete med industrin.(Mer information finns på:https://wasp-sweden.org/)

Doktoranden kommer att vara anställd av Matematik LTH men även vara en del av WASP-AI forskarskola och därför få tillgång till specialiserade kurser i AI och maskininlärning. Projektet drivs i samarbete med Chalmers och doktoranden kommer därför att ha en biträdande handledare från Chalmers.

Arbetsuppgifter
Huvuduppgiften för en doktorand är att ägna sig åt sin forskarutbildning, vilket innefattar såväl deltagande i forskningsprojekt som forskarutbildningskurser. I arbetsuppgifterna kan det även ingå medverkan i undervisning och annat institutionsarbete, dock max 20 % av arbetstiden. Forskningsinriktningen för denna utlysning är optimering, datorseende och maskininlärning.

Forskningsprojekt
Maskininlärning och djupa neurala nätverk har visat sig vara användbara verktyg för många datorseendeapplikationer. Deras förmåga att känna igen och kategorisera bildobjekt har genomgått en exceptionell utveckling pga. den stora mängd annoterad data som nu finns tillgänglig i publika databaser. Djupa nätverk innehåller dock ett mycket stort antal parametrar som måste bestämmas när nätverket ska tränas för en ny applikation. För att minska beroendet på data och underlätta träning för nya problem är vi i det här projektet intresserade av att kombinera traditionell matematisk modellering med maskininlärningsmetoder.

Ett exempelproblem som vi är intresserade av är 3D-rekonstruktion av dynamiska objekt, dvs. att från bilder av ett objekt automatiskt skapa en 3D-modell av objektet. Medan rekonstruktion av rigida objekt kan göras med exempelvis faktoriseringsmodellen är det mycket svårare att designa en realistisk modell för icke-rigida objekt eftersom dessa kan deformeras på ett komplext sätt. För att kunna göra detta vill vi kombinera maskininlärning för som komplexa delarna av systemet med faktoriseringsmetoder för dom delar som är lätta att modellera.

Behörighet
Grundläggande behörighet till utbildning på forskarnivå har den som har

- avlagt examen på avancerad nivå, eller
- fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå, eller
- på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.

Kraven på särskild behörighet för forskarutbildningen i matematik uppfyller den som har:

- minst 90 högskolepoäng med relevans för ämnesområdet, varav minst 60 högskolepoäng på avancerad nivå samt ett fördjupningsarbete om minst 30 högskolepoäng på avancerad nivå inom ämnesområdet, eller
- examen på avancerad nivå inom relevant ämnesområde. 

I praktiken betyder det att den studerande skall ha uppnått en kunskapsnivå inom matematik som åtminstone svarar mot den för civilingenjörsutbildningarna i teknisk matematik eller teknisk fysik alternativt en masterexamen i matematik eller tillämpad matematik.

Övriga krav:

- Mycket goda kunskaper i engelska, i tal och skrift.
- Ett projektrelevant examensarbete.
- Färdigheter inom programmering.

Bedömningsgrunder
Urval till utbildning på forskarnivå sker efter bedömd förmåga att tillgodogöra sig forskarutbildningen. Bedömningen av förmågan sker främst utifrån studieresultaten på grundnivå och avancerad nivå. Följande beaktas:

- Kunskaper och färdigheter relevanta för avhandlingsarbetet och utbildningsämnet.
- Bedömd förmåga till självständigt arbete och förmåga att formulera och angripa vetenskapliga problem.
- Förmåga till skriftlig och muntlig kommunikation.
- Övriga erfarenheter relevanta för utbildningen på forskarnivå, t ex yrkeserfarenhet.
Hänsyn kommer också att tas till god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.

Övriga meriter:

- Färdigheter inom datorseende och/eller maskininlärning.
- Kunskap om matematisk optimering.

Villkor
Endast den som är antagen till forskarutbildning får anställas som doktorand. Forskarutbildningen är fyra år vid heltidsstudier. Vid undervisning och annat institutionsarbete förlängs anställningen i motsvarande grad, dock längst till 5 år (dvs. max 20 %). Bestämmelser gällande anställning som doktorand finns I Högskoleförordningen (1993:100), 5 kap 1-7 §§.

Instruktioner för ansöka
Ansökan skall skrivas på engelska. Ansökan skall innehålla ett personligt brev med motivering till varför du är intresserad av anställningen och på vilket sätt forskningsprojektet matchar dina intressen och din utbildningsbakgrund. Ansökan skall även innehålla ett CV, examensbevis eller motsvarande samt övrigt som du önskar åberopa (kopior av betyg, uppgifter till referenser, rekommendationsbrev etc.).
Du ombeds även svara på urvalsfrågorna som är det första steget i ansökandeprocessen. 



Lunds universitet välkomnar sökande med olika bakgrund och erfarenheter. Vi ser jämställdhet och mångfald som en styrka och tillgång. Välkommen med din ansökan! Vi undanber oss alla kontakter från annonsförsäljare, rekryterings- och bemanningsföretag på grund av statliga upphandlingsregler.

Sammanfattning

Liknande jobb


20 december 2024

20 december 2024

20 december 2024