Phd-kandidater innen bruk av kunstig intelligens og maskinlæring i skogkartlegging
Søknadsfrist: 25.04.2023
Publisert
Norges miljø- og biovitenskapelige universitet
NMBUs fokus er en felles innsats for en bærekraftig framtid. Vårt universitet skal bidra til å sikre framtidens livsgrunnlag, gjennom fremragende forskning, utdanning, formidling og innovasjon.
NMBU har 1900 ansatte, hvorav om lag 500 stipendiater, 6700 studenter og er organisert i sju fakulteter.
For NMBU er godt arbeidsmiljø preget av mangfold. Vi oppfordrer kvalifiserte kandidater til å søke uavhengig av kjønn, funksjonsevne, kulturell bakgrunn eller om du har vært utenfor arbeidslivet en periode. Arbeidsplassen vil om nødvendig bli lagt til rette for personer med nedsatt funksjonsevne.
Om Fakultet for miljøvitenskap og naturforvaltning
Fakultet for miljøvitenskap og naturforvaltning (MINA) jobber med natur og miljø, bærekraftig bruk av naturressurser og biologiske og geologiske prosesser.
MINAs ansatte forsker, formidler og utdanner innen områdene geologi, hydrologi og limnologi, jordvitenskap, miljøkjemi, skogvitenskap, økologi, naturforvaltning, fornybar energi og naturbasert reiseliv.
Vår visjon er å være en nøkkelaktør i kunnskapsproduksjon og formidling, og levere forskning av høy, internasjonal kvalitet og variert og god undervisning. Våre medarbeidere er høyt anerkjente eksperter innen sine respektive fagfelt, både nasjonalt og internasjonalt. Fakultetet preges av en svært vital forskningskultur og høy vitenskapelig produksjon.
Fakultetet har om lag 200 ansatte, 90 doktorgradsstudenter (ph.d.) og 650 studenter.
Er du interessert i kunstig intelligens og skogkartlegging?
Om stillingen
Ved Fakultet for miljøvitenskap og naturforvaltning er det ledig to Phd-stillinger innen bruk av kunstig intelligens og maskinlæring i skogkartleggingen. Phd-stillingen er en åremålsstilling med varighet på 3 år.
Maskinlæring er en teknikk innen kunstig intelligens, som kan brukes til å løse forskjellige oppgaver. Algoritmene innenfor maskinlæring kan analysere store mengder ulike data og gi nøyaktige resultater. Økt digitalisering og bruk av nye sensorer og metoder i skogbruket genererer store datamengder. Maskinlæring gir mulighet for å systematisere og bearbeide dataene til nye former for informasjon til støtte for forvaltning av skogressursene.
Phd-kandidatene vil være sentrale i arbeidet med å ta i bruk disse nye metodene og sammenligne resultat med tradisjonelle metoder. Forskningsoppgaver knyttet til f.eks. tolkning og analyse av historiske flybilder i kombinasjon med nye fjernanalysedata fra ulike sensorer for å studere arealbruksendringer og kvantifisere skogressursene vil være aktuelt.
Både bilder, 3D lidar og fotogrammetriske punktskyer innsamlet fra drone, fly og satellitt vil være aktuelle som grunnlagsdata.
Bruk av nye metoder og ny teknologi er en sentral del av “SmartForest” senteret for forskningsbasert innovasjon. Senteret er ledet av Norsk institutt for bioøkonomi. NMBU er den største partneren fra universitetssektoren. Phd-kandidatene vil inngå i et team av forskere og andre Phd-kandidater som er tilknyttet senteret.
Søkeren gjøres oppmerksom på at en søknad om Phd-stilling ved NMBU er samtidig en søknad om opptak til et ph.d.-program ved universitetet. Den dokumentasjon som er nødvendig for å sikre at opptakskravene er ivaretatt må lastes opp som vedlegg.
Arbeidsoppgaver
Utvikle modeller for maskinlæring for å frambringe skoginformasjon på lokal- og landskapsskala.
Utvikle modeller for maskinlæring for en bærekraftig skogforvaltning.
Sammenligne maskinlæring med eksisterende metoder og evaluere nytten.
Det forutsettes at den som tilsettes går inn i et godkjent opplegg for en ph.d-grad og at arbeidet legges opp med sikte på å fullføre en doktorgrad i løpet av tilsettingsperioden.
Kompetanse
For å kunne tilsettes må kandidaten oppfylle kravene for opptakt til et av ph.d.-programmene ved NMBU. Det kreves relevant femårig mastergrad, eller cand.med.vet.-grad, med et læringsutbytte tilsvarende beskrivelsene i det nasjonale kvalifikasjonsrammeverkets andre syklus. Søkeren må ha en dokumentert sterk faglig bakgrunn fra tidligere studier, og kunne dokumentere gode engelskkunnskaper, både skriftlig og muntlig. For mer utfyllende informasjon om opptakskriterier, se «Forskriften for graden ph.d. ved NMBU» og «fakultetenes utfyllende regler for de ulike ph.d.-programmene».
Faglige kvalifikasjonskrav
Det kreves:
Mastergrad innen et relevant fagområde slik som skogfag, naturforvaltning, geomatikk, datavitenskap
Følgende erfaringer og kunnskaper vektlegges:
Kompetanse i generell statistikk og fjernmåling
Kompetanse i utvalgsbasert statistikk
Kompetanse i nordisk skogforvaltning og skogproduksjon
Erfaring fra feltarbeid relatert til skogtaksering og -kartlegging
Programmering
Du må:
være sterkt motivert og engasjert
være kreativ og ha evne til å jobbe resultatorientert, nøyaktig og strukturert
ha analytisk evne
ha evne til å arbeide selvstendig så vel som i team
beherske norsk/nordisk og engelsk språk skriftlig og muntlig
Lønns- og tilsettingsvilkår og nærmere opplysninger
Stillingen innplasseres i stillingskode 1017 Stipendiat, (ltr. 54-65). Stipendiater innplasseres normalt i lønnstrinn 54 (NOK 501.200,-)
Ansiennitetsopprykk i stillingen.
Tilsettingen skjer i henhold til gjeldende nasjonale retningslinjer for tilsetting som stipendiat ved universiteter og høgskoler. Stipendiatstillingen er en åremålsstilling.
Søknad sendes elektronisk via linken ”Søk stillingen” på denne siden. Søknader som ikke sendes elektronisk via Jobbnorge innen fristen, vil ikke bli vurdert.
Søknadsfrist: 25.04.2023
Søknaden må inneholde opplysninger om din utdanning og tidligere praksis, samt din motivasjon for å gjennomføre et slikt ph.d.-prosjekt.
I søknaden må kandidaten bekrefte at opplysninger og dokumentasjon (i form av vedlegg) som leveres via stillingssøknaden også kan benyttes av NMBU i en eventuell opptaksprosess.
Følgende dokumenter skal legges ved søknaden:
Søknadsbrev
Komplett CV
Relevante vitnemål/attester (dvs. diplom, karakterutskrift. Diploma supplement for både bachelor og master)
Dokumenterte kunnskaper i engelsk, skriftlig og muntlig
Eventuell dokumentasjon av faglige kunnskaper (for eksempel liste over vitenskapelige arbeider)