Umeå universitet, Teknisk-naturvetenskaplig fakultet

Umeå universitet är ett av Sveriges största lärosäten med över 37 000 studenter och cirka 4 700 anställda. Vid universitetet finns en mångfald av utbildningar av hög kvalitet och världsledande forskning inom flera vetenskapsområden, och här gjordes den banbrytande upptäckten av gensaxen CRISPR-Cas9 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.

Den samhällsomvandling och de stora gröna investeringar vi ser i norra Sverige skapar enorma möjligheter och komplexa utmaningar. För Umeå universitet handlar det om att bedriva forskning om – och mitt i – ett samhälle i omvandling. Men också om att leverera utbildningar för regioner som behöver expandera fort och hållbart. Det är helt enkelt här framtiden skapas.

Är du intresserad av att veta mer? Läs mer om Umeå universitet som arbetsplats.

 

Till vår institution, kännetecknad av världsledande forskning inom flera fält och en bredd av internationellt högt rankade utbildningsprogram, söker vi nu en doktorand inom robust och skalbar federerad maskininlärning för robotik i edge-computing-miljöer.

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. 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

Federerad maskininlärning har flera utmaningar när de tillämpas på distribuerad robotmanipulation med hjälp av datorresurser i molnet. Multicentrisk dataheterogenitet som observeras under avkänning, aktivering, kontroll och manipulation är problematiskt eftersom data för federerad inlärning vanligtvis antas vara oberoende och identiskt fördelade. Data från distribuerade robotnoder som arbetar under variationer i miljö, kinematik och avkänningsmodalitet är inte nödvändigtvis oberoende och identiskt fördelade och väcker därför frågor kring global modellkonvergens för prestandagarantier. Detta projekt fokuserar på följande utmaningar: (i) Att utveckla högkvalitativa lokala och globala representationsinlärningsmodeller, inklusive att hantera problem med inkonsekvens i representationsutrymmen, felaktig anpassning av representationer och ofullständiga representationer; (ii) Uppnå snabbare modellanpassning genom kontinuerligt eller livslångt lärande; (iii) Förebyggande av inter-nodinterferens och inter-node kunskapsöverföring som leder till irrelevant kunskapsassimilering mellan modeller, (iii) Selektiv återinlärning av policyer för miljöer som systemet inte tidigare stött på.

Projektet undersöker och utvecklar metoder för kontrastiv, transformativ och djup inlärning, särskilt för inlärning av lämplig representation och policyer för händelsebaserad robotmanipulation i federerade lärandemiljöer i stor skala. Varje robotnod kommer att träna på olika representationer för att i förlängningen utföra flera uppgifter, t.ex. för snabbare modeller och anpassning till data som inte tidigare setts. Dessa enhetliga representationer motiverar att utveckla kontinuerliga, peer-assisterade, djupa och imiterade federerade inlärningsmetoder för att förena kunskap från molnet och kantnoder, för att uppnå hög precision och låg inlärningskostnad.

Anställningen syftar till doktorandstudier i datavetenskap inom forskargruppen Autonomous distributed systems lab men samarbeten med forskare inom exempelvis maskininlärning, matematisk statistik, optimering, robotik, djupinlärning eller artificiell intelligens uppmuntras och förväntas. Se https://www.umu.se/forskning/grupper/autonomous-distributed-systems-lab/ för en översikt av pågående forskningsprojekt och publikationslistor.

Wallenberg AI, Autonomous Systems and Software Program, WASP, är Sveriges största enskilda forskningsprogram. 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/

Forskarskolan inom WASP har som mål att förse framtidens forskare med nödvändig kunskap för att kunna analysera, utveckla och bidra aktivt till den tvärvetenskapliga utvecklingen av artificiell intelligens, autonoma system och mjukvara. Genom ett ambitiöst program med forskningsbesök, partneruniversitet och gästföreläsare stöder forskarskolan aktivt bildandet av ett starkt multidisciplinärt och internationellt professionellt nätverk mellan doktorander, forskare och industri. Forskarskolan erbjuder därmed en unik möjlighet för de studenter som lockas av internationell forskning i världsklass med industriell relevans. Mer information: https://wasp-sweden.org/graduate-school/

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 som är direkt relevanta för den aktuella specialiseringen.

Det är ett krav att du har en solid och dokumenterad bakgrund inom maskininlärning och robotik eller maskininlärning och distribuerade system. Vidare förutsätts att du har goda kunskaper i talad och skriven engelska.

Då forskningen till största del är interdisciplinär är det meriterande om du har en bred kompetens och tidigare erfarenhet från andra relevanta områden som exempelvis maskininlärning, distribuerad inlärning, kontradiktorisk inlärning, djupinlärning, IoT, diskret optimering eller statistiska metoder.

Viktiga personliga egenskaper är, förutom kreativitet och nyfikenhet, förmågan att arbeta såväl självständigt som i grupp med forskare från andra länder och discipliner.

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 Juni 2022 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
    • Styrkta 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 2 Maj 2022. 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 lektor Monowar Bhuyan (monowar@cs.umu.se) eller professor Erik Elmroth (elmroth@cs.umu.se)

Välkommen med din ansökan!

Anställningsform Tidsbegränsad anställning
Anställningen avslutas 2026-05-01
Anställningens omfattning Heltid
Tillträde 2022-05-01
Löneform Månadslön
Antal lediga befattningar 1
Sysselsättningsgrad 100
Ort Umeå
Län Västerbottens län
Land Sverige
Referensnummer AN 2.2.1-265-22
Facklig företrädare
  • SACO, 090-7865365
  • SEKO, 090-7865296
  • ST, 090-7865431
Publicerat 2022-02-16
Sista ansökningsdag 2022-05-02

Tillbaka till lediga jobb