Postdoktor i maskininlärning

Postdoktor i maskininlärning

Arbetsbeskrivning

Kunniga och engagerade medarbetare med goda förutsättningar är en av de absolut viktigaste framgångsfaktorerna för Linköpings universitet. Lärare och forskare är vår kärnkompetens, men ett framgångsrikt universitet behöver erfarna och motiverade medarbetare inom många områden. Alla roller är viktiga.Vi har ett stort rekryteringsbehov bland annat tack vare en forskningsverksamhet i expansion. Du behövs här. Välkommen att söka jobb hos oss!



Institutionen för datavetenskap (IDA) grundades 1983 men våra rötter går tillbaka till tidigt 1970-tal. Det är en av de största datavetenskapliga institutionerna i norra Europa.



Vår forskning täcker ett brett spektrum av områden, från grundläggande datavetenskap till tillämpade områden. Den omfattande forskningen påverkar även vår grund- och forskarutbildning, vilket leder till att vi ger kurser inom flertalet civil- och högskoleingenjörsprogram, samt programmen inom innovativ programmering, kognitionsvetenskap och statistik.
Läs mer: https://liu.se/organisation/liu/idaVi söker nu minst en Postdoktor inom maskininlärning.

Arbetsuppgifter
Forskningsinriktningen för den utlysta tjänsten är att utveckla nya maskininlärningsmetoder för materialvetenskapliga tillämpningar. Du kommer att vara en del av det KAW-finansierade tvärvetenskapliga projektet The 2D Materials Frontier.  I samarbete med världsledande fysiker i Linköping och Uppsala kommer vi utveckla nya maskininlärningsmodeller och metoder som kan användas för att hitta nya supertunna material. Sådana material har användningsområden inom energilagring, katalys och vattenrening, för att nämna några.

Maskininlärning, särskilt metoder som bygger på grafbaserade neuronnät och geometrisk djupinlärning, har nyligen visat sig väldigt effektiva inom datadriven materialvetenskap och har stor potential att avsevärt påskynda upptäckten av nya material. Att använda dessa metoder för supertunna material innebär dock många nya utmaningar kopplade till materialens unika strukturer, materialegenskaper, målvariabler, datatillgänglighet, osv. Dessa utmaningar kräver att nya maskininlärningsmetoder utvecklas, och målsättningen med den utlysta tjänsten är att bidra till en sådan utveckling.

Forskningsfokuset ligger på maskininlärningsmetoder och teori, men du kommer samtidigt få möjlighet att arbeta i en unik tvärvetenskaplig miljö tillsammans med några av de världsledande experterna på 2D-material. Arbetet sker i nära samarbete med både experimentella och teoretiska fysiker som kommer bidra med nödvändig domänkunskap och ge oss möjlighet att tillämpa de maskininlärningsmetoder som utvecklats i projektet i praktiken för att hjälpa till i jakten på nya 2D-material.

Som postdoktor kommer du i huvudsak bedriva forskning. Även undervisning kan ingå i arbetsuppgifterna om så önskas, dock till högst en femtedel av arbetstiden. Undervisningen sker på grund- eller avancerad nivå i kurser i maskininlärning, programmering och/eller statistik. Arbetsuppgifterna inkluderar också att bidra till den vetenskapliga diskussionen vid institutionen, till exempel genom att delta i och organisera läsecirklar och seminarier och att delta i doktorandhandledning. Du förväntas ta en aktiv roll i samarbetet med de olika projektparterna och fungera som en länk mellan de involverade avdelningarna.

Kvalifikationer
För anställningen krävs doktorsexamen eller motsvarande examen i maskininlärning, statistik, datavetenskap eller ett relaterat område som bedöms vara relevant för projektets forskningsämne. Din examen ska vara avlagd senast vid tidpunkten då anställningsbeslutet fattas.

Det är meriterande om din examen är avlagd högst tre år före sista ansökningsdag för denna anställning. Om det finns särskilda skäl kan den komma i fråga som avlagt doktorsexamen tidigare, exempelvis vid olika typer av lagstadgade ledigheter.

För anställningen krävs mycket goda kunskaper i engelska i både tal och skrift. Det är ett krav att du har en stark bakgrund inom maskininlärning, tillämpad matematik, statistik, datavetenskap eller motsvarande som för tjänsten bedöms relevant. Vetenskaplig skicklighet måste ha visats genom forskning som resulterat i publikationer i internationellt erkända tidskrifter och konferenser. Publikationer i tidskrifter inom statistik och maskininlärning, samt publikationer vid internationella maskininlärningskonferenser, är särskilt meriterande. Dokumenterad erfarenhet av att tillämpa eller utveckla maskininlärning för tillämpningar inom materialvetenskap, fysik eller relaterade områden är meriterande. Vidare ska du ha dokumenterad kunskap och erfarenhet av att utvärdera modeller och algoritmer genom implementation och testning i lämplig mjukvarumiljö. För att lyckas i tjänsten ska du ha en stark drivkraft att utföra grundläggande forskning; förmågan och intresset att arbeta i ett team; och starka kommunikationsfärdigheter.

Fackliga kontaktpersoner
Information om fackliga kontaktpersoner, se Hjälp för sökande

För mer information om anställningen:
https://liu.se/jobba-pa-liu/lediga-jobb/21318

Vi välkomnar sökande med olika bakgrund, erfarenheter och perspektiv, det berikar och utvecklar vår verksamhet. För oss är det självklart att värna om allas lika värde, rättigheter och möjligheter. Läs om vårt arbete med Lika villkor.

Välkommen med din ansökan!


Linköpings universitet har upphandlade avtal och undanber oss direktkontakt från bemannings- och rekryteringsföretag samt försäljare av platsannonser.

Sammanfattning

  • Arbetsplats: Linköpings Universitet
  • 2 platser
  • 6 månader eller längre
  • Heltid
  • Fast månads- vecko- eller timlön
  • Publicerat: 17 februari 2023
  • Ansök senast: 19 mars 2023

Liknande jobb


21 december 2024

Vikarierande Universitetslektor i Genusvetenskap 250113-260110

Vikarierande Universitetslektor i Genusvetenskap 250113-260110

19 november 2024

Vikarierande universitetslektor i Sociologi

Vikarierande universitetslektor i Sociologi

19 november 2024

Universitetslektor i engelska med litteraturvetenskaplig inriktning

Universitetslektor i engelska med litteraturvetenskaplig inriktning

18 november 2024