Descripción
Arbetsuppgifter Målsättning för forskningsarbetet är att utveckla och studera hjärnliknande feed-forward och rekurrenta nätverksarkitekturer i semiövervakade och oövervakade lärandeproblem. Dina arbetsuppgifter är att studera relevant litteratur, utforma och simulera neurala nätverksmodeller, analysera/tolka resultat och benchmarka hjärnliknande arkitekturer mot konventionella maskininlärningsmetoder. Du förväntas också aktivt delta i akademiska diskussioner med handledare vid KTH samt skriva vetenskapliga artiklar. Kvalifikationer Krav Avlagd doktorsexamen eller utländsk examen som bedöms motsvara en doktorsexamen. Detta behörighetskrav ska vara uppfyllt senast vid tidpunkten då anställningsbeslutet fattas. Som sökande bör du ha goda programmeringskunskaper samt förmåga att utveckla skalbar kod för körning på superdatorer. Du bör även ha grundläggande kunskaper inom beräkningsneurovetenskap och maskininlärning, särskilt gällande neurala nätverk. Det är nödvändigt att du är insatt i och väl informerad om frågor rörande mångfald och lika möjligheter, med särskilt fokus på jämställdhet. Sökande ska ha erfarenhet av att publicera akademiskt arbete och goda kunskaper i engelska samt god förmåga att uttrycka sig i tal och skrift, då det krävs i det dagliga arbetet. Meriterande Vid sista ansökningsdag högst tre år sedan doktorsexamen eller en utländsk examen som bedöms motsvara doktorsexamen avlades. Vi ser gärna att du har tidigare erfarenhet av att utveckla och simulera både spiking- och icke-spiking-neurala nätverk med lokala inlärningsregler. Det är meriterande att du har bra samarbetsförmåga och kan också uppvisa självständighet i forskning. Det uppskattas om du har någon pedagogisk erfarenhet. Kunskap om och färdighet i MPI och GPU programmering och erfarenhet av att köra storskaliga beräkningssimuleringar utgör önskvärda kvalifikationer. Vi kommer att lägga stor vikt vid personliga egenskaper. Bli en del av KTH KTH formar framtiden genom utbildning, forskning och i