瑞士洛桑联邦理工大学全奖博后招生
2023/12/20 9:19:17 阅读:77 发布者:
复杂基础设施和工业系统中时间序列数据分析深度学习博士后研究员,特别关注图神经网络(GNN)或物理知情机器学习(PI-ML)
主要职责
研究领导力:博士后研究员的主要职责是领导和推动专注于开发新型深度学习技术的研究项目,包括图神经网络(GNN)和物理知情机器学习(PI-ML)算法,为复杂基础设施和工业系统的智能维护和运营创造创新解决方案。这将包括进行实验,开发新算法,并在声誉良好的学术期刊和顶级机器学习会议上发表研究结果。
导师制:该职位包括独立监督硕士生和参与监督博士生。
教学:虽然主要关注的是研究,但与此职位相关的教学责任将微乎其微。
说明
我们正在寻找一位积极性高、技术娴熟的博士后研究员加入我们充满活力的研究团队。成功的申请人将在推进深度学习领域发挥关键作用,将其应用于从复杂基础设施和工业系统中获得的时间序列数据。该职位为领导尖端研究、为创新解决方案的开发做出贡献、参与学术指导以及与行业利益相关者互动提供了一个独特的机会。
资质
计算机科学、机器学习、数据科学、信号处理或相关领域的博士学位:理想的候选人应该拥有强大的深度学习学术背景和专业知识,特别是在应用于时间序列数据分析时,具有图形神经网络(GNN)和/或PI-ML的特定经验或兴趣。
研究经验:在深度学习领域进行独立前沿研究的丰富经验,包括GNNs和PI-ML,在知名期刊和顶级机器学习会议上发表过论文。
导师技能:较强的人际交往和沟通能力,以及有效指导和指导学生的能力。
创新思维:独立性、好奇心和创新精神是成功申请者非常看重的品质。我们鼓励创造性思维和探索新颖的研究方向。
申请流程
有兴趣的考生应提交以下申请材料:
激励信,
一份详细的简历,包括出版物和奖项列表(如适用)
一份简短的研究报告(1-2页),概述了预期的研究提案,并将您在该领域的经验和文献中的相关工作联系起来,
所有已获学位的扫描成绩单(英文)(博士、硕士、其他学位)
2-3名能够提供推荐信的个人的姓名和电子邮件地址。
请通过EPFL申请网站提交申请。通过电子邮件提交的申请将不予考虑。申请截止日期为23年11月15日。
有关EPFL IMOS实验室的更多信息,请访问:https://www.epfl.ch/labs/imos/
雇佣期限:
固定期限(CDD)
工作费率:
100%
备注
只有通过EPFL网站或我们的合作伙伴Jobup网站申请的候选人才会被考虑。未经授权的机构发送的文件将不予考虑。
参考:
作业编号3115
应用程序链接:https://6emails.com/job/postdoctoral-researcher-in-deep-learning-for-time-series-data-analysis-in-complex-infrastructure-and-industrial-systems-with-a-particular-focus-on-graph-neural-networks-gnns-or-physics-informed-mach/
转自:“科研doge”微信公众号
如有侵权,请联系本站删除!