Projektassistent för koppling av maskininlärning och vegetationsmodellering

Projektassistent för koppling av maskininlärning och vegetationsmodellering

Arbetsbeskrivning

Lunds universitet grundades 1666 och rankas återkommande som ett av världens 100 främsta lärosäten. Här finns cirka 44 000 studenter och mer än 8 000 medarbetare i Lund, Helsingborg och Malmö. Vi förenas i vår strävan att förstå, förklara och förbättra vår värld och människors villkor.


Vid Naturvetenskapliga fakulteten bedrivs forskning och utbildning inom biologi, astronomi, fysik, geovetenskap, kemi, matematik och miljövetenskap. Verksamheten bedrivs vid nio institutioner samlade inom norra universitetsområdet. Fakulteten har ca 1 500 studenter, 330 forskarstuderande och 700 anställda.



Arbetsuppgifter
Den anställde förväntas leda/bidra till forskning som kopplar algoritmer för maskininlärning till den dynamiska globala vegetationsmodellen LPJ-GUESS.

Arbetsuppgifterna kommer att inkludera planering av modellutveckling, träning av lämpliga algoritmer och deras koppling till LPJ-GUESS, design av protokoll for experiment, genomförande av modellsimuleringar och analyser, och ha en ledande roll i skrivandet av fackgranskade artiklar baserade på resultaten. Exakta arbetsuppgifter kommer att bestämmas i diskussion med projektledaren, men det är troligt att fokus kommer att vara på torka. Den anställde förväntas bidra väsentligt till den intellektuella utvecklingen av arbetet och vid behov bidra till eller leda ansökningar om extern finansiering. Den anställde förväntas även delta i nationella och internationella möten och workshops relaterade till ovanstående, och utföra relaterade administrativa uppgifter och kommunikation.

Kvalifikationer

Krav

- Utbildning: Kandidatexamen och magisterexamen med goda kunskaper i matematik och fysik
- Mycket bra muntliga och skriftliga kunskaper i engelska
- Betydande tidigare erfarenhet av att utveckla och tillämpa den globala dynamisk vegetationsmodellen LPJ-GUESS
- Erfarenhet av tillämpning av tekniker för maskininlärning för miljöproblem
- Dokumenterade färdigheter inom programmering, inklusive lågnivåspråk som C++
- Dokumenterad framgång med att leda och bidra till högkvalitativa vetenskapliga publikationer.

Övriga meriter

- Specialkunskaper inom skogsdynamik eller trädekofysiologi, särskilt relaterat till torka
- Bevis på förmåga att utveckla och genomföra egna forskningsidéer och att agera på eget initiativ
- Erfarenhet av att arbeta med högpresterande datorkluster
- Starka organisatoriska färdigheter, inklusive förmåga och vilja att bidra till aktiviteter inom forskargruppen
- Betoning kommer att läggas på akademiska prestationer som bevisar ökande självständighet som forskare och förmåga att kommunicera i vetenskapliga och uppsökande sammanhang

Vi kommer att lägga stor vikt vid personlig lämplighet. Hänsyn kommer att tas till potentialen att utveckla en framtida oberoende forskarkarriär, på samarbetsförmåga, och på hur den sökande genom sin erfarenhet och kompetens bedöms komplettera och stärka det administrativa arbetet inom avdelningen/institutionen.

Villkor
Allmän visstidsanställning på heltid under 1 år. Önskat startdatum 1 november 2021.

För mer information kontakta thomas.pugh@nateko.lu.se

Instruktioner för ansökan
Ansökan ska skrivas på engelska och innehålla:

- ett personligt brev som beskriver din motivation för denna position, en allmän beskrivning av tidigare forskning och framtida forskningsintressen (max en sida)
- Meritförteckning/CV inklusive publikationslista
- Kontaktuppgifter till minst två referenser
- Kopia av intyg/betyg som du önskar åberopa

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


16 oktober 2024

Postdoktor inom organisk kemi

Postdoktor inom organisk kemi

16 oktober 2024

16 oktober 2024

Projektassistent avdelningen för matematisk fysik

Projektassistent avdelningen för matematisk fysik

15 oktober 2024