Jste nadšeni výzkumem na okrajích Hluboké učení a dynamické systémy, (stochastické) parciální diferenciální rovnice, pro vědy? Dokážeme objevit, modelovat a vysvětlit dynamiku uvnitř neuronových sítí? Můžeme použít neuronové sítě k lepšímu, efektivnějšímu a obecnějšímu řešení obyčejných a parciálních diferenciálních rovnic nebo jejich stochastických verzí?
Hledáme postdoktorského výzkumníka se strojovým učením, fyzikou, aplikovanou matematikou nebo počítačovým viděním, který by se připojil k týmu 20 výzkumníků pracujících právě na těchto tématech (smlouva na dva roky); tým, který je propojen s ELLIS Network of Excellence in AI; tým s konzistentním a silným zastoupením na předních konferencích a časopisech Machine Learning a Computer Vision.
Co budeš dělat
Mimo statická data, statické učení, statické algoritmy, příští inovace ve strojovém a hlubokém učení bude v směrem dynamiky neuronových sítí, dynamických systémů, a PDE se zaměřením na vědecká data Hledáme postdoktorského výzkumníka, který je stejně vášnivý investovat tímto směrem.
Porozumění prostoru a času ve strojovém učení, ať už se jedná o neuronové sítě, Markovovy modely, hluboké pravděpodobnostní modely a další, je jedním z největších problémů, zejména vzhledem k obrovské dostupnosti videa a dalších vysokorozměrných časových řad data. Zatímco spotřebitelská videa jsou neomezená, a proto není jasné, jak nebo co o nich modelovat, „videa“časoprostorového vědeckého záznamu nabízejí skvělou příležitost pro inovace. Jednak se týkají určité a komplexní časoprostorové dynamiky, kterou moderní algoritmy strojového učení nemohou snadno modelovat mimo omezené případy. A co víc, základní vědu o této dynamice lze použít k hodnocení a porovnávání algoritmů spíše než se spoléhat na zaujaté lidské anotace. Za třetí, vědecká data jsou téměř vždy časoprostorová, jsou rozsáhlá a narůstají nesmírnou rychlostí a jsou připravena na to, aby jim porozuměly algoritmy.
Vzhledem ke všem důkazům a potenciálnímu dopadu bude součástí této pozice také spolunavržení a vytvoření prostoročasového dynamického systému Decathlon, který by snad mohl fungovat jako katalyzátor budoucího výzkumu v tomto směru. Jedná se o pokračující iniciativu, která již byla zahájena a vedena PI E. Gavvesem. V tomto Decathlonu budeme společně s příslušnými předními odborníky organizovat vědecká data z různých oborů a navrhovat experimenty, které předvedou hodnotu učení simulovat fyzikální procesy napříč obory.
Učení se simulovat je a bude vzrušujícím a zcela novým směrem výzkumu strojového učení jak v akademickém prostředí, tak v průmyslu. Postdoktorský řešitel bude mít možnost pracovat s týmem 20 Ph. D. studenti pracují na těchto problémech. Financování je z osobních grantů s malými provázky a základní výzkum je možný a žádoucí.
Úkoly a odpovědnosti:
- prokázat nezávislost při dosahování výzkumných cílů a ochotu spolupracovat a dohlížet na doktorandy pracující na hlubokém učení a dynamických systémech, diferenciální geometrii, vědách;
- spoluvedoucí velkou iniciativu výzkumníků z různých oborů (fyzika, dynamika tekutin, astronomie, biologie, chemie) na vývoji prostoročasového dynamického systému Decathlon;
- vymyslet, vyhodnotit a popsat nové algoritmy učení pro časoprostorové PDE a dynamické systémy;
- přispějte k ukázce z reálného světa;
- prezentovat výsledky výzkumu na mezinárodních konferencích, workshopech a časopisech;
- stát se aktivním členem výzkumné komunity a spolupracovat s dalšími výzkumníky, jak v rámci Informatického institutu, tak mimo něj;
- přispívat k výukovým činnostem, jako jsou přednášky, laboratorní kurzy nebo vedení bakalářských a magisterských studentů.
Požadavky:
Vaše zkušenosti a profil:
- Doktorát buď v oboru souvisejícím s umělou inteligencí (strojové učení, počítačové vidění, hluboké učení) nebo v oboru přírodních věd ((aplikovaná) matematika, fyzika, dynamika tekutin, astronomie atd.);
- schopnost vymýšlet a hodnotit nový algoritmus a prezentovat je ústně i písemně;
- oddaný výzkumník, prokázaný publikacemi na špičkových strojových učeních, počítačovém vidění nebo jiných špičkových vědeckých konferencích a časopisech;
- nadšení pro strojové učení a vědu a jak je propojit
- schopnost implementovat a vyhodnocovat algoritmy strojového učení v Pythonu pomocí sad nástrojů pro hluboké učení (PyTorch, TensorFlow);
- schopnost implementovat a vyhodnocovat simulace s řešiteli parciálních/stochastických diferenciálních rovnic pomocí nejmodernějších knihoven;
- schopnost dobře pracovat v týmech a plynule komunikovat v psané i mluvené angličtině.
Platové výhody:
Nabízíme dočasnou pracovní smlouvu na 38 hodin týdně po dobu 24 měsíců. Preferované datum zahájení je co nejdříve.
Hrubá měsíční mzda, založená na 38 hodinách týdně a v závislosti na příslušných zkušenostech, se pohybuje mezi 2 960 až 4 670 EUR (stupnice 10). To nezahrnuje 8% příspěvek na dovolenou a 8,3% příspěvek na konci roku. Lze použít profil UFO Researcher 4. Na nenizozemské žadatele se může vztahovat výhodná daňová dohoda, „30% pravidlo“. Platí Kolektivní pracovní smlouva nizozemských univerzit.
Kromě platu a pulzujícího a náročného prostředí ve Vědeckém parku vám nabízíme několik dalších výhod:
- 232 hodin svátků ročně (na plný úvazek) a dovolené navíc mezi Vánocemi a 1. lednem.
- V našem výukovém a výukovém centru můžete následovat několik kurzů.
- Kompletní vzdělávací program pro doktorandy.
- Více kurzů na témata, jako je vedení pro akademické pracovníky.
- Více kurzů na témata, jako je time management, zvládání stresu a online vzdělávací platforma s více než 100 různými kurzy.
- 7 týdnů porodní dovolené (partnerská dovolená) se 100% platem.
- Částečně placená rodičovská dovolená.
- Možnost zřídit si pracoviště doma;
- Důchod u ABP, za který UvA platí dvě třetiny příspěvku.
- Možnost absolvovat kurzy a učit se holandsky;
- Pomoc s bydlením pro garsonku nebo malý byt, když se stěhujete ze zahraničí.
Jste zvědaví na další informace o našem rozsáhlém balíčku sekundárních zaměstnaneckých výhod, podívejte se sem.
Pracovní doba:
38 hodin týdně
Adresa:
Science Park 904
