Postdoktor (två år) i optimering för statistisk inlärning - Befattningen är under tillsättning eller redan tillsatt, och det är inte längre möjligt att lämna in en ansökan

Institutionen för matematik och matematisk statistik söker en postdoktor i matematisk statistik inom centret Wallenberg AI, Autonomous Systems, and Software Program (WASP), med fokus på forskning inriktad mot optimering för statistisk inlärning. Sista ansökningsdag är 30 september 2019.

Anställningen avser heltid under 24 månader vid Institutionen för matematik och matematisk statistik. Innehavaren av anställningen förväntas bedriva excellent forskning, aktivt delta i forskningssamarbete samt delta i de dagliga aktiviteterna inom forskningsmiljön. Tillträde sker under hösten 2019 eller enligt överenskommelse.

Bakgrund
Utvecklingen av artificiell intelligens (AI) är i ett brett perspektiv ett av de mest spännande framstegen under 2000-talet som öppnar upp för nya möjligheter, men också innebär stora utmaningar. Centret WASP lanserar ett program för att utveckla matematiken inom AI, med målet att stärka kompetensen inom AI i Sverige. Den här utlysningen är en del av detta program. WASP:s vision är forskningsexcellens och industriell relevans inom dessa områden. För mer information om forskning och andra aktiviteter se http://wasp-sweden.org/

Projektbeskrivning och arbetsuppgifter
Industrirobotar, autonoma bilar, algoritmer för aktiehandel och djup nätverksassisterad utvärdering av medicinska bilder, kräver i ständigt växande omfattning att intelligenta och automatiserade beslut kan fattas i realtid från komplexa och heterogena data. Detta medför oöverträffade teoretiska och algoritmiska utmaningar och möjligheter för forskare när det gäller intelligent insamling och omvandling av data till information, prediktion och intelligenta beslut.

Optimeringsteori är viktigt för modern statistisk inlärning och ligger i framkant när det gäller framstegen inom AI. Huvudsyftet med detta postdoktorsprojekt är att utveckla nästa generation av optimeringsverktyg till de ovanstående utmaningarna med avseende på modern statistisk inlärning, samt att utforska dess tillämpningar inom AI, inklusive medicinsk avbildning, automatiserad kvalitetskontroll och självkörande bilar. Teorier och verktyg kommer att utvärderas avseende både simulerade och verkliga data.

Innehavaren av anställningen uppmuntras att utveckla sin egen forskningsagenda, i nära samarbete med mentorer och kollegor. Potentiella områden av intresse inkluderar, men inte begränsat till:

• Träning av generativa kontradiktoriska nätverk
• Icke-konvexa algoritmer för linjära inversproblem (till exempel compressive sensing)
• Robust optimering och försvar mot kontradiktoriska attacker i djupa neurala nät
• Vilken roll överparametrisering har i träning och generalisering av djupa neurala nät
• Global geometri för icke-konvexa problem
• Effektiva och skalbara algoritmer för bunden icke-konvex optimering
• Tillämpning av Langevins dynamik och andra Monte-Carlo-tekniker i optimering
• Online och lagringsoptimala algoritmer för storskalig konvexoptimering

Kvalifikationer
Vi söker dig som har en doktorsexamen i matematisk statistik, tillämpad matematik eller har motsvarande vetenskaplig kompetens. Examen ska vara avlagd högst tre år före ansökningstidens utgång om inte särskilda skäl föreligger. Med särskilda skäl avses ledighet på grund av sjukdom, föräldraledighet eller klinisk tjänstgöring, förtroendeuppdrag inom fackliga organisationer eller andra liknande omständigheter.

Dokumenterade kunskaper och erfarenheter av modern statistisk inlärning och optimeringsteori krävs liksom utmärkta kunskaper i programmering (helst MatLab, Python och R) och kommunikationsfärdigheter i muntlig och skriftlig engelska.

Forskningsuppgifterna kräver genomgående stor självständighet, noggrannhet och engagemang. Dokumenterad vetenskaplig drivkraft beaktas därför särskilt, liksom förmåga att arbeta såväl självständigt som i en del av en forskargrupp.

Dokumenterad framgångsrik forskningspublikation och erfarenhet i optimering för statistisk inlärning är särskilt meriterande. Erfarenhet av interdisciplinär forskning och tvärvetenskapliga samarbeten, särskilt i det aktuella tillämpningsområdet, är meriterande.

Ansökan
En fullständig ansökan ska innehålla:

• Ett följebrev med en kortfattad beskrivning (en sida) av dig själv, dina tidigare forskningsmeriter, vad som gör dig lämpad för projektet och varför du är intresserad av ämnesområdet
• Ett curriculum vitae med en komplett publikationsförteckning
• Styrkta kopior av doktorsexamensbevis samt andra relevanta examensbevis liksom relevanta betygsutdrag
• Kopior av (maximalt fem) relevanta publikationer samt din doktorsavhandling
• En forskningsplan, 3-4 sidor, i vilken du beskriver de forskningsfrågor du vill undersöka och hur du kommer att bidra till forskningsprojektet
• Namn och kontaktuppgifter till två referenspersoner
• Eventuellt övriga handlingar du vill åberopa

Institutionen för matematik och matematisk statistik värdesätter de kvaliteter som en jämn könsfördelning tillför verksamheten. Vi ser därför gärna kvinnor som sökande till befattningen.

Ansökan med tillhörande handlingar ska vara skriven på svenska eller engelska. Du söker via vårt e-rekryteringssystem Varbi. Logga in och sök via knappen längst ner på sidan. Sista ansökningsdag är 30 september 2019.

Mer information
Ytterligare information ges av professor Jun Yu, 090-786 51 27, jun.yu@umu.se, eller prefekt Åke Brännström, 090-786 78 62, ake.brannstrom@umu.se. Mer information: https://www.umu.se/institutionen-for-matematik-och-matematisk-statistik/