Postdoktor (två år) i statistisk inlärning med gleshet - 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 programmet Wallenberg AI, Autonomous systems and software program (WASP), med fokus på forskning inriktad mot statistisk inlärning med gleshet och dess utvidgning. 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.

Modern statistisk inlärning ligger i framkant när det gäller dessa framsteg. Huvudsyftet med detta postdoktorsprojekt är att utveckla banbrytande matematiska och statistiska teorier och nästa generation av beräkningsverktyg till de ovanstående utmaningarna med betoning på statistisk inlärning med gleshet och andra framväxande datamodeller, samt att utforska dess tillämpningar inom AI, inklusive medicinsk avbildning, automatiserad kvalitetskontroll och självkörande bilar. Teorier och verktyg kommer att utvärderas på både simulerade och verkliga data.

Att förstå och nyttja gleshet och struktur för att extrahera användbar information från stora datamängder i syfte att fatta optimala beslut kommer att vara den huvudsakliga forskningsinriktningen för denna anställning. Innehavaren av anställningen uppmuntras att utveckla sin egen forskningsagenda, i nära samarbete med mentorer och kollegor. Potentiella områden av intresse inkluderar, men är inte begränsat till:

• Inlärning med multistrukturer (såsom gleshet och rang-restriktion)
• Intelligent datainsamling och osäkerhetskvantifiering i medicinsk bildbehandling
• Tid-data avvägningar i inlärning
• Statistisk inlärning med generativa kontradiktoriska nätverk och deras geometri
• Streaming och distribuerade algoritmer för reducering av dimensionalitet (till exempel gles principalkomponentanalys)
• Försvar mot kontradiktoriska attacker i djupa neurala nät

Kvalifikationer
Vi söker dig som har 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 tal och skrift 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 statistisk inlärning med gleshet och andra framväxande datamodeller är särskilt meriterande. Erfarenhet av interdisciplinär forskning och tvärvetenskapliga samarbeten, särskilt i det aktuella tillämpningsområdet, är meriterande.

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 inklusive 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/