Doktorand i datavetenskap med inriktning mot serverlös edge AI

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 doktorand inom serverlös edge AI.

Institutionen för datavetenskap har haft en expansiv tillväxt under de senaste åren. Att skapa en inkluderande forskningsmiljö där medarbetare har en hög delaktighet är en viktig faktor i vår hållbara utveckling. De drygt 50 doktorandstuderande vid vår institution består av en diversifierad grupp människor från olika nationaliteter, bakgrunder och fält. Som doktorand 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/

Projektbeskrivning

Serverlös edge AI är en omvälvande förändring av dataarkitekturen som innebär att serverlös edge computing och artificiell intelligens (AI) slås samman för att utnyttja och abstrahera de distribuerade molnresurserna. Till skillnad från traditionella serverlösa lösningar, t.ex. FaaS-teknik (Function as a Service), som har problem med realtidsanpassning, effektiv funktionsplacering och kostnadshantering, gör serverlös edge AI att AI-modeller kan distribueras närmare datakällorna, vilket förbättrar prestandan med lägre latens, snabbare svarstider, skalbarhet och starkare sekretesskontroller. Detta tillvägagångssätt abstraherar infrastrukturhantering och möjliggör AI-bearbetning i realtid direkt där data genereras eller konsumeras, vilket uppfyller kritiska krav på tillförlitlighet, integritet och energieffektivitet.

Detta projekt syftar till att undersöka och utveckla ett serverlöst AI-ramverk för edge som tar itu med viktiga utmaningar, såsom att möjliggöra inlärning och slutledning vid edge för effektiv resursorkestrering, dynamisk omlokalisering av arbetsbelastningar, stöd för FaaS-applikationsmobilitet och prognostisering av energianvändning och arbetsbelastningsfördelning över moln-edge-kontinuumet. Genom att bygga ett optimerat ramverk med avancerade algoritmer (t.ex. djupa neurala nätverk, sekvensmodellering och flermålsoptimering) kommer detta projekt att förbättra edge-baserat lärande och beslutsfattande, vilket möjliggör effektiv orkestrering av distribuerade resurser. Viktiga funktioner inkluderar intelligent serverlös funktionsexekvering, smart edge-klusterprovisionering, omlokalisering av arbetsbelastning på begäran och enhetsspecifik modellanpassning. Ramverket och algoritmerna kommer att testas rigoröst i realtid och i simuleringsmiljöer, och visa på betydande fördelar jämfört med traditionella centraliserade molnmodeller.

Den framgångsrika kandidaten kommer att bidra till gruppen Autonomous Distributed Systems vid Institutionen för datavetenskap inom, samarbeta med forskare inom t.ex. maskininlärning, matematisk statistik, optimering och distribuerade system. För mer information, se www.cloudresearch.org

Denna anställning är en del av ett EU-finansierat projekt som heter SovereignEdge COGNIT - ett stort nytt forskningsinitiativ för att bygga nästa generations europeiska Edge-Cloud Framework (https://cognit.sovereignedge.eu/).

Kvalifikationer

För att bli antagen till utbildning på forskarnivå krävs det att den sökande har grundläggande behörighet genom avlagd examen på avancerad nivå, eller slutförda kursfordringar om minst 240 högskolepoäng varav minst 60 högskolepoäng på avancerad nivå, eller motsvarande utländsk utbildning, eller motsvarande kvalifikationer.

För att bli antagen till utbildning på forskarnivå inom ämnet datavetenskap krävs att den sökande har godkända kurser om minst 90 högskolepoäng i ämnet datavetenskap eller ämne som är direkt relevanta för den aktuella specialiseringen.

Dokumenterad kunskap och en gedigen bakgrund inom maskininlärning och säkerhet eller distribuerade system är ett krav. Forskningen är till stor del tvärvetenskaplig och en bred kompetensprofil och erfarenhet från andra relevanta områden (såsom maskininlärning, distribuerad inlärning, kontradiktoriskt lärande, djupinlärning, IoT, diskret optimering och statistiska metoder) anses meriterande.

Viktiga personliga egenskaper är förutom kreativitet och nyfikenhet förmågan att arbeta självständigt och i grupp samt erfarenhet av vetenskaplig interaktion med forskare från andra discipliner och i andra länder. Goda kunskaper i engelska i tal och skrift krävs för anställningen.

Om anställningen

Anställningen syftar till en doktorsexamen, och doktorandens huvuduppgift är att ägna sig åt egen forskarutbildning vilket innefattar såväl deltagande i forskningsprojekt som forskarutbildningskurser. I arbetsuppgifterna kan undervisning och annat institutionsarbete (upp till max 20%) ingå. Anställningen är tidsbegränsad till fyra år heltid eller upp till fem år vid undervisning deltid.
Förväntat startdatum är 1 februari, 2025 eller enligt överenskommelse.

Löneplaceringen sker enligt fastställd lönestege för doktorandanställning. Enligt Högskoleförordningen (12 kap, 2 §) kan beslutet om anställning inte överklagas.

Så här ansöker du

Du ansöker via vårt rekryteringssystem (se nedan).

En fullständig ansökan ska innehålla:

• Ett personligt brev som beskriver dina forskningsintressen, och varför du söker den utlysta anställningen. Brevet ska också innehålla din kontaktinformation
• Kopior av examensbevis eller motsvarande
• Curriculum Vitae (CV)
• Kopior av kandidat- och/eller masteruppsats, samt andra relevanta publikationer om sådana finns
• Dokumentation och beskrivning av andra relevanta erfarenheter och kompetenser

Ansökan ska vara skriven på svenska eller engelska. Om bifogade dokument har annat originalspråk ska en översättning inkluderas. Bifogade dokument ska vara i Word eller pdf-format. Ansökan ska göras via Umeå universitets e-rekryteringssystem och vara inkommen senast 2024-12-02. Logga in i systemet och ansök via knappen längst ner på webbsidan.

Institutionen för datavetenskap värdesätter diversitet. Vi välkomnar därför i synnerhet kvinnor och personer utanför det binära genussystemet som sökande.

Vid frågor eller behov av ytterligare information, kontakta biträdande universitetslektor Monowar Bhuyan (monowar@cs.umu.se) och professor Erik Elmroth (elmroth@cs.umu.se)

Välkommen med din ansökan!