![Doktorand i maskininlärning](https://www.arbetsformedlingen.se/rest/arbetsgivare/rest/af/v3/organisation/2021002841/logotyper/logo.png)
Doktorand i maskininlärning [OBS denna annons har utgått]
Annons: 28788701Yrke: Doktorand
Arbetsgivare: Luleå tekniska universitet
Arbetets ort: Luleå, Norrbottens län
Senaste ansökningsdatum: 2024-08-30
Publiceringsdatum: 2024-05-08
Kvalifikationer
Arbetslivserfarenhet: DoktorandPresentation:
Luleå tekniska universitet är i stark tillväxt med världsledande kompetens inom flera forskningsområden. Vi formar framtiden genom nydanande utbildningar och banbrytande forskningsresultat, och med utgångspunkt i den arktiska regionen skapar vi global samhällsnytta. Vår vetenskapliga som konstnärliga forskning och utbildning bedrivs i nära samarbete med internationella, nationella och regionala företag, offentliga aktörer och ledande universitet. Luleå tekniska universitet omsätter totalt 1,9 miljarder kronor per år. Vi är idag 1 840 anställda och har 17 670 studenter.
De kommande åren investeras mångmiljardbelopp i Norrbotten och Västerbotten i stora projekt som syftar till ett mer hållbart samhälle nationellt så väl som globalt. Luleå tekniska universitet är involverat i flera av dessa högaktuella forskningsprojekt och den samhällsomvandling som följer. Vi har ett brett utbud av utbildningar för att matcha den kompetens som efterfrågas. Vi hoppas att du vill hjälpa oss att bygga framtidens hållbara företag och samhällen.
Machine Learning Research Laboratory söker en doktorand inom området maskininlärning. Vi erbjuder toppmoderna resurser för att bedriva forskning och ett bra akademiskt nätverk i Sverige och utomlands.
Ämnesbeskrivning
Maskininlärning fokuserar på metoder med vilka datorsystem använder data för att förbättra sin egen prestanda, förståelse och till att göra konkreta förutsägelser och har nära anknytning till tillämpningar.
Projektbeskrivning
Som doktorand ingår du i ett projekt som syftar till att utforska maskininlärningsmetoder för dokumentanalys. Projektet omfattar metod för förbearbetning av data, analys av olika datakällor, kombination av dessa källor och utveckling av ett justerbart end-to-end-system för dokumentanalys. Du kommer att arbeta med forskare vid LTU och regionala och nationella arkiv i Sverige.
Maskininlärningsgruppen uppmuntrar nationellt och internationellt samarbete för den övergripande utvecklingen av sina forskare.
Arbetsuppgifter
En doktorandtjänst innebär både teoretiskt och praktiskt arbete. Som doktorand tränas du i vetenskapligt arbete i form av publicering av vetenskapliga artiklar i tidskrifter och vid nationella och internationella konferenser. Merparten av din tid fokuserar du på dina egna studier. Du kan dessutom få möjlighet att prova på lärarrollen.
Kvalifikationer
Vi söker en mycket motiverad och entusiastisk doktorand som vill bedriva toppmodern forskning. Du ska ha en magisterexamen i datavetenskap eller liknande ämne. Erfarenhet av maskininlärning, Deep Learning, statistik och Natural Language Processing är ett krav. Du ska ha goda kunskaper i engelska i både tal och skrift och ha kapacitet att arbeta självständigt såväl som i team.
För ytterligare information om specifik doktorandutbildning se
studieplaner för forskarutbildning inom teknisk fakultet
Information
Anställningen som doktorand är tidsbegränsad till 4 år, undervisning och annan institutionstjänstgöring kan tillkomma med upp till 20 % av heltid. Tillträde den 9 september 2024 eller enligt överenskommelse. Placeringsort: Luleå Sverige.
För ytterligare information, vänligen kontakta:
Professor Elisa Barney, elisa.barney@ltu.se
Facklig företrädare:
SACO-S Kjell Johansson, 0920-49 1529 kjell.johansson@ltu.se
OFR-S Lars Frisk, 0920-49 1792 lars.frisk@ltu.se
Ansökan
Vi ser helst att du söker befattningen via ansökningsknappen nedan där du bifogar personligt brev samt CV/meritförteckning och kopior av verifierade examensbevis. Var vänlig och märk din ansökan med referensnumret nedan. Både ansökan och examensbevis ska vara skrivna på svenska eller engelska.
Sista dag att ansöka: 30 August 2024
Referensnummer: 2011-2024