Umeå universitet, Teknisk-naturvetenskaplig fakultet

Umeå universitet är ett av Sveriges största lärosäten med drygt 36 000 studenter och 4 200 anställda.  Här finns en mångfald av utbildningar av hög kvalitet och världsledande forskning inom flera vetenskapsområden. Umeå universitet är också platsen för den banbrytande upptäckten av gensaxen CRISPR-Cas9 – en revolution inom gentekniken som tilldelats Nobelpriset i kemi.

Vid Umeå universitet är allt nära. Våra sammanhållna campus gör det lätt att mötas, samarbeta och utbyta kunskap, något som gynnar en dynamisk och öppen kultur där vi gläds åt varandras framgångar.

Är du intresserad av att veta mer om Umeå universitet som arbetsplats läs mer på: Jobba hos oss.

Institutionen för datavetenskap söker en postdoktor som ska arbeta med tillförlitlig federerad maskininlärning. Anställningen avser heltid under två år med tillträde enligt överenskommelse.

Institutionen för datavetenskap

Till vår institution, kännetecknad av världsledande forskning inom flera fält och en bredd av internationellt högt rankade utbildningsprogram, söker vi nu en postdoktor inom tillförlitlig federerad maskininlärning. Institutionen för datavetenskap har haft en expansiv tillväxt under de senaste åren där fokus att skapa en inkluderande forskningsmiljö där medarbetare har en hög delaktighet är viktiga faktorer i vår hållbara utveckling. Vår institution består av en diversifierad grupp människor från olika nationaliteter, bakgrunder och fält. Som postdoktor hos oss har du tillgång till stöd för din karriärutveckling, nätverk, administrativ och teknisk support samt goda anställningsvillkor.

För mer information besök
https://www.umu.se/institutionen-for-datavetenskap/

Forskargruppen är välrenommerad och inkluderar drygt 20 personer av 10 nationaliteter.  Gruppens forskning fokuserar på (semi-)autonom hantering av IT-resurser och -applikationer för att stödja det framtida digitaliserade samhället. Infrastrukturer i fokus spänner från enskilda stora datacenter till ”mobile edge-clouds” och inkluderar enskilda servrar, datorkluster och dissaggregerade system, som t.ex. rackscale-system. Verksamheten inkluderar både grundforskning och tillämpad forskning, och även innovation tillsammans med industri och avknoppningsföretag. Gruppen samarbetar nära med ledande företag som Google, IBM, Intel, Red Hat och Ericsson samt universitet och forskningscentra som Princeton University, University of Massachusetts Amherst, Lawrence Berkeley Lab, Nanyang Technical University in Singapore, Uppsala universitet, Lunds universitet, Universidad Complutense de Madrid, Leeds University, Barcelona Supercomputer Center, TU Wien, TU Delft och flera andra. För ytterligare information om forskargruppen, se https://www.umu.se/forskning/grupper/autonomous-distributed-systems-lab/

Projektbeskrivning och arbetsuppgifter

Den snabba ökningen av autonoma system, uppkopplade enheter och distribuerade applikationer skapar utmaningar då det gäller att hantera petabyte av data i resursbegränsade miljöer. Federerad maskininlärning (FML) är samarbetsinlärning för att hantera dessa problem utan att dela data med centraliserade servrar. Flera nya hot riktar sig dock mot FML-träning, -inlärning och -slutledning för få systemen att misslyckas eller för att missleda modellerna vid tidiga inlärningsrundor. Angripare strävar efter att skada tillförlitligheten med hotmodeller såsom insider-outsider-attacker, delvis ärliga eller helt illvilliga deltagare samt med attacker i tränings-, inlärnings- eller slutledningsfaser. Som ett resultat av detta misslyckas inlärningsmodellerna att producera acceptabla resultat. För att hantera de utmaningarna syftar detta projekt till att utveckla och implementera pålitliga federerade inlärningsalgoritmer för icke-iid (oberoende identiskt distribuerade) data under icke-standardiserade och kontradiktoriska problemställningar, som är väl lämpade för resursbegränsade miljöer och edge computing-infrastrukturer. Dessa mål kan uppnås genom att inducera unika funktioner i federerade inlärningsalgoritmer såsom decentraliserad träning, optimalt val av enhet, säker inlärning och slutledning, feltolerans mot misslyckanden och attacker, såväl som motståndskraftiga, rättvisa och robusta modeller. Ambitionen är att validera resultaten i klassiska icke-standardiserade miljöer och tillämpa dem på lösningar för resursbegränsade miljöer (t.ex. Industrial Internet of Things (IIoT), sjukvårdssystem) och edge-infrastrukturer. Eventuellt kan undervisning upp till max 20 % ingå i arbetsuppgifterna.

Wallenberg AI, Autonomous Systems and Software Program, WASP, är Sveriges största enskilda forskningsprogram i modern tid. Programmet skapar en plattform för akademisk forskning och utbildning i nära samarbete med ledande svensk teknikintensiv industri. Forskningen innefattar artificiell intelligens och autonoma system som verkar i samarbete med människor och som anpassar sig till sin omgivning med hjälp av sensorer, information och kunskap och skapar intelligenta system av system. WASPs vision är excellent forskning och kompetens inom artificiell intelligens, autonoma system och mjukvara till gagn för svensk industri. Läs mer: https://wasp-sweden.org/

Kvalifikationer

För att anställas med stöd av postdoktoravtalet krävs avlagd doktorsexamen eller en utländsk examen som bedöms motsvara doktorsexamen. Detta behörighetskrav ska vara uppfyllt senast vid tidpunkten då anställningsbeslutet fattas.

För att anställas med stöd av postdoktoravtalet bör främst den komma ifråga som har avlagt examen enligt föregående stycke för högst tre år sedan. Om det finns särskilda skäl kan den komma i fråga som avlagt doktorsexamen tidigare. Med särskilda skäl avses ledighet på grund av sjukdom, föräldraledighet, förtroendeuppdrag inom fackliga organisationer, tjänstgöring inom totalförsvaret, eller andra liknande omständigheter samt klinisk tjänstgöring eller för ämnesområdet relevant tjänstgöring/ uppdrag. Postdoktor som ska undervisa eller handleda ska ha relevant högskolepedagogisk utbildning.

Idealiska kandidater är forskningsdrivna, organiserade och vill arbeta med utmanande problem och innovativa lösningar. Vi är öppna för kandidater med styrkor inom federerad maskininlärning och med bakgrund av relevans för forskningsmiljön. Kunskap och erfarenhet av federerade inlärningsalgoritmer, distribuerade algoritmer, lärande från begränsade datamängder, datacentrerad optimering, motståndskraftig eller feltolerant inlärning, tillförlitlig inlärning, matematisk statistik, anomalidetektering, molnbaserade system, serverlösa system, etc. är önskvärt.

Ansökan

En fullständig ansökan ska innehålla

  • Personligt brev Meritförteckning
  • CV med publikationslista,
  • Styrkt kopia av doktorsexamensbevis eller dokumentation som visar beräknat datum för doktorsexamen,
  • Styrkta kopior av examensbevis, akademiska kursintyg och/eller betyg,
  • Kopia av doktorsavhandling och eventuellt relevanta artiklar,
  • Kontaktuppgifter till minst två referenspersoner,
  • Övriga handlingar som den sökande vill åberopa.

Ansökan ska vara skriven på engelska eller svenska. Ansökan görs genom vårt elektroniska rekryteringssystem. Handlingar som skickas elektroniskt ska vara i formaten Word eller PDF. Logga in på systemet och ansök via knappen i slutet av denna sida. Sista ansökningsdag är 30 juni 2022.

Närmare upplysningar lämnas av biträdande lektor Monowar Bhuyan (monowar@cs.umu.se) och professor Erik Elmroth (elmroth@cs.umu.se).

Anställningsform Visstidsanställning längre än 6 månader
Anställningens omfattning Heltid
Tillträde Så snart som möjligt, enligt överenskommelse
Löneform Månadslön
Antal lediga befattningar 1
Sysselsättningsgrad 100 %
Ort Umeå
Län Västerbottens län
Land Sverige
Referensnummer AN 2.2.1-1042-22
Publicerat 2022-06-09
Sista ansökningsdag 2022-07-30

Tilbage til Ledige stillinger