Om stillingen

Universitetet i Stavanger har ledig stilling som stipendiat i datateknikk og Data Science ved Det teknisk-naturvitenskapelige fakultet, Institutt for data- og elektroteknologi. Stillingen er ledig fra 1.4.2020.

Dette er en utdanningsstilling som i hovedsak skal gi lovende forskere anledning til faglig utvikling. Stillingen har forskerutdanning fram til doktorgrad som mål.

Universitetet i Stavanger

Universitetet i Stavanger (UiS) har omlag 12.000 studenter og 1.700 ansatte. Vi er eneste norske medlem av European Consortium of Innovative Universities. Universitetet har store ambisjoner. Vi skal ha en innovativ og internasjonal profil og være en drivkraft i kunnskapsutviklingen og endringsprosesser i samfunnet. Sammen med våre ansatte og studenter vil vi løfte blikket, og våge å tenke stort og nytt – vi vil utfordre det velkjente og utforske det ukjente.

Institutt for data- og elektroteknologi er en del av Det teknisk-naturvitenskapelige fakultet, og utfører forskning innen datateknologi, data science, kybernetikk og signalbehandling, og tilbyr bachelor- og masterutdanning innen elektroteknikk, datateknologi og data science, kybernetikk og robotteknologi og signalbehandling, i tillegg til PhD-utdanning innen informasjonsteknologi. Det er for tiden 50 ansatte, inkludert stipendiater, forskere og postdocs, og 600 studenter ved instituttet.

Stipendiaten ansettes for en periode på tre år med ren forskerutdanning eller fire år med forskerutdanning og 25% arbeidsplikt. Dette blir avklart i rekrutteringsprosessen.

Det er mulig å søke på opptil tre av følgende prosjekter:

1. Novel Road Safety Services using 5G-enabled Vehicular Edge Computing

2. Incentives and reputation mechanisms for decentralized systems

3. Fairness for permissioned blockchains4. Knowledge graphs for conversational AI

Vennligst oppgi og ranger hvilke prosjekt du ønsker å jobbe med i søknaden din.

For mer informasjon om hvert enkelt prosjekt, se lengre ned i annonsen.

Kvalifikasjonskrav

Vi søker deg som har en sterk faglig bakgrunn med femårig mastergrad (3+2) innenfor fagområdet eller tilsvarende utdanning som gir grunnlag for å gjennomføre en forskerutdanning, fortrinnsvis av nyere dato.

Dersom karakteren din på masteroppgaven og veid gjennomsnittskarakter på masterstudiet begge hver for seg tilsvarer B eller bedre, er du blant de vi søker etter.

Dersom du har utdannelse fra en institusjon med annen karakterskala enn A-F ber vi deg om å legge ved en bekreftet konverteringsskala som viser hvordan karakterene kan sammenliknes med den norske A-F skalaen.

Videre legges det vekt på at du:

• er motivert og har potensial for forskning innenfor fagfeltet
• kan arbeide selvstendig og i et fellesskap, være nytenkende og kreativ
• er strukturert og har stor arbeidskapasitet
• har gode ferdigheter i engelsk, både skriftlig og muntlig.

Vi tilbyr

• varierte arbeidsoppgaver i en stor, spennende og samfunnsviktig organisasjon
• et ambisiøst arbeidsfellesskap og et inkluderende arbeidsmiljø
• kollegabasert veiledningsprogram (NyTi) dersom du skal undervise
• lønn etter Statens lønnsregulativ l.pl 17.515, kode 1017, kr 479.600 bto pr år med lønnsutvikling etter ansiennitet i stillingen
• medlemskap i Statens pensjonskasse sikrer gode pensjons- og forsikringsordninger
• mer om ansattgoder og fordeler på uis.no

Andre opplysninger

Se forskrift om ansettelsesvilkår for ansettelse i stipendiatstillinger ved Universitetet i Stavanger.

Studiet gjennomføres i hovedsak ved Universitetet i Stavanger, bortsett fra et avtalt utenlandsopphold i et anerkjent relevant forskningsmiljø.

Det er en forutsetning at den som ansettes bosetter seg slik at vedkommende kan være tilstede ved, og tilgjengelig for, fagmiljøet på arbeidsplassen i ordinær arbeidstid.

Universitetet har få kvinner i rekrutteringsstillinger innenfor fagområdet og oppfordrer derfor spesielt kvinner til å søke.

Stillingen er kunngjort på både norsk og engelsk. Ved meningsforskjell mellom tekstene skal den norske teksten legges til grunn.

Kontaktinformasjon

Nærmere opplysninger om stillingen fås ved henvendelse til:

• Instituttleder Tom Ryen, tlf: 5183 2029, e-post: tom.ryen@uis.no

Opplysninger om ansettelsesprosessen fås ved henvendelse til HR-rådigver Janne Halseth, tlf: 5183 3525, e-post: rekruttering@uis.no.

Søknaden

Søk stillingen elektronisk via "Søk stillingen" på denne siden. Her registreres søknad og CV med relevant utdanning og arbeidserfaring. I søknadsbrevet må du få frem dine forskningsinteresser og motivasjon for å søke stillingen.

Følgende dokumenter lastes opp som vedlegg til søknaden, i separate filer:

• vitnemål og attester
• publikasjonsliste
• annen dokumentasjon som du ønsker det skal tas hensyn til

Dokumentasjonen må foreligge på et skandinavisk språk eller engelsk. Hvis vedleggene overskrider 30 MB til sammen må disse komprimeres før opplasting. Opplysninger og dokumentasjon som det skal tas hensyn til ved vurdering må være registrert innen søknadsfristens utløp.

Vi gjør oppmerksom på at opplysninger om søker kan bli offentliggjort selv om søker har anmodet om ikke å bli oppført på offentlig søkerliste, jf offentlighetsloven § 25.

UiS vurderer bare søknader og vedlegg registrert i JobbNorge.

Project description / Contact details

1. Novel Road Safety Services using 5G-enabled Vehicular Edge Computing

Recent revolutionary advances in areas of Internet-of-Things (IoT), Cooperative Intelligent Transport Systems (C-ITS), and 5th generation cellular technology (5G) has provided new opportunities for introducing novel safety services in the road systems. These services will involve the vehicles, road users, road infrastructure and the cloud-based backend and can also significantly benefit from the communication amongst them, represented broadly with vehicle-to-everything (V2X) communication paradigm. It is therefore expected that 5G V2X communication (initially defined in 3GPP Release 14) to play a very crucial role in the formation of future intelligent automotive services including road safety services. In addition to offering several orders of magnitude higher network capacity and bandwidth with mMTC and eMBB (in comparison to LTE), 5G reduces the latency to 1ms in its Ultra-Reliable Low Latency (URLLC) service category, making it a suitable enabling technology for deploying bandwidth-hungry & latency-sensitive applications (e.g., Virtual or Augmented Reality) as well as Mission Critical Communication (MCC) for vehicular safety.

Further, 5G’s native architecture allows for leveraging Multi-access Edge Computing (MEC) solutions in order to reduce the end-to-end communication and computation latency, reducing the traffic load on the network core and taking advantage of higher bandwidths, storage capacity or processing power that are available at the network edge. When used in the context of vehicular networks, MEC can form as a basis for Vehicular Edge Computing (VEC) where among other things, safety services can be hosted. Such safety services can be realized in VEC using a combination of 5G V2X communication techniques, virtualization/softwarization techniques on 5G MEC, and the cloud core back-end system to have a holistic view of the entire road system.

The successful candidate will undertake the architectural design and hands-on development of candid services for vehicular and road safety using state-of-the-art 5G mobile technology. A special focus will be given to the safety scenarios within the road tunnels. This will inherently involve the following:

• Communication: leveraging the use of 5G/LTE D2D communication using PC5 (sidelink) interface in a software-defined radio (SDR) environment.
• VEC server: design and development of VEC platforms for hosting safety applications using latest NFV and SDN techniques.
• Safety application: design, development and real-life evaluation of candid vehicular and road safety applications that leverage the use of VEC and V2X communication

Knowledge of communication networking is required, and research track on or experience with design and testing of 4G (LTE), MEC, 5G RAN, SDN, SDR, virtualization techniques/software are desired. Familiarity with 3GPP, ETSI and IETF standards is a plus.

Supervisors: Associate Professor Naeem Khademi (UiS), naeem.khademi@uis.no, and Professor Yan Zhang (UiO)

2. Incentives and reputation mechanisms for decentralized systems

Decentralized systems are mainly rooted in distributed systems, particularly, p2p systems and recently on blockchain and other distributed ledger technologies. They offer opportunities and research challenges regarding computational infrastructure, communication, storage as well as the design of governance frameworks that sustain decentralized systems. In some cases, addressing these challenges will require to reconsider or revive p2p systems research under the current socio-technical perspectives.

Crypto-assets, aka cryptocurrencies and tokens, can provide economic incentives to service providers in decentralized systems. Due to the diversity of decentralized systems, mechanisms that allow multi crypto-assets facilitate interoperability. Crypto-assets do not require trusted intermediaries for storage and electronic exchange. Crypto-assets did not reach global acceptance yet, however many cities are growing the number of merchants and ATM that accept bitcoin or other coins. Individuals and businesses from countries that are suffering economic uncertainties are adopting crypto-assets such bitcoin to counteract high inflation (some examples are Argentina, Venezuela, etc.).

On the other side, consumers in decentralized systems require some type of reputation mechanism to choose among service providers. Whom should they trust? Cultural differences mark important distinctions among communities, and impact on how people decide to whom they trust for making business. Trust is multidimensional. Bonds that are built based on cognitive trust are based on experiences in a task-driven society/community. Bonds that are built based on affective trust are based on experiences in a relationship-driven society/community. We will consider both dimensions and their interactions.

The purpose of this project is to evaluate existing and novel incentives and reputation models and build those mechanisms in decentralized systems. Applicants should have a good understanding and experience building distributed systems. Additional experience with game-theory, economics, and/or simulations is welcome.

Supervisors: Associate Professor Vero Estrada-Galiñanes, veronica.estrada@uis.no, and Professor Hein Meling.

3. Fairness for permissioned blockchains

Blockchain and distributed ledger technology allows to create a trusted platform among multiple agents with unknown or even conflicting goals. Application scenarios range from financial technology to decentralized markets, document verification, and IoT.

In this project we want to focus on permissioned blockchain systems, that can be run among known or authenticated agents, and allow to avoid the wasteful resource usage of proof of work consensus. Building on byzantine fault tolerance, these systems can provide reasonable performance and tolerate arbitrary failures by some of the participants. However, the deployment of such systems still has a significant cost impeding adoption in IoT and fog based applications. Further, the fault-tolerant design of such systems allows free riding which may become a significant problem when running on IoT or fog devices.

In this project, we aim to design and evaluate novel algorithms for permissioned blockchain systems that improve scalability and reduce free-riding by ensuring that all participants receive a fair compensation or utility for the provided bandwidth and computational resources.

Besides fairness and scalability, also other concerns related to the security and performance of blockchain systems are relevant for this project.

Supervisors: Associate Professor Leander Jehl, leander.jehl@uis.no, and Professor Hein Meling.

4. Knowledge graphs for conversational AI

Knowledge graphs, organizing structured information about entities, and their attributes and relationships, are ubiquitous today. They have become powerful assets for a broad range of search, recommendation, and mining scenarios. Examples include enabling rich knowledge panels and direct answers in search result pages, supporting data exploration and visualization, and facilitating media monitoring and reputation management. This project focuses on the usage of knowledge graphs for conversational AI, in particular, for conversational search and recommendation tasks.

The recent success of deep learning techniques in different areas of natural language processing has enabled conversational AI systems to generate human-like responses. These systems, however, still have from little to no understanding of the actual meaning of the dialog. Knowledge graphs are needed to make human-machine interactions more grounded in knowledge. Knowledge graphs may also be utilized for personalized experiences.

This project involves various tasks around knowledge graphs for conversational information access, including the development of (i) models of interaction, (ii) algorithms for personalized search and recommendation, (iii) methods for multi-modal result presentation, and (iv) evaluation methodology of resources.

The candidate is expected to have a background in information retrieval, natural language processing, or machine learning.

Supervisor: Professor Krisztian Balog, krisztian.balog@uis.no

Søk på stillingen