Ledig stilling på Universitetet i Stavanger

Stipendiat i datateknikk / Data Science

Søknadsfrist: 19.04.2020

Universitetet i Stavanger

Universitetet i Stavanger (UiS) har omlag 12.000 studenter og 1.800 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.

Om stillingen

Universitetet i Stavanger har ledig stilling som stipendiat i datateknikk/Data Science ved Det teknisk-naturvitenskapelige fakultet, Institutt for data- og elektroteknologi. Stillingen er ledig fra 01.08.2020.

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

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

Det er mulig å søke på ett av følgende prosjekter:

1. 5G Vehicular Communication for Safety

2. Incentives and reputation algorithms to empower societies

3. Knowledge graphs for conversational AI

Vennligst oppgi hvilket prosjekt du ønsker å jobbe med i søknaden din. Skriv et kort følgebrev på engelsk der du forteller hvorfor du valgte dette prosjektet.

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

Kvalifikasjonskrav

Vi søker deg som har en sterk faglig bakgrunn med femårig mastergrad (3+2) innenfor datateknikk eller data science 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 den vi søker etter. Avslutter du utdanningen din våren 2020 er du også velkommen til å søke.

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.

Prosjektbeskrivelser, ytterligere kvalifikasjonskrav og kontaktpersoner

1. 5G Vehicular Communication for Safety

Recent advances in areas of IoT, C-ITS, automation and emerging 5G mobile networks have provided new opportunities for introducing innovative safety services in the road system. These services will leverage the cooperation between the vehicles, road users, road infrastructure and the cloud-based service backend, facilitated by Vehicle-to-Everything (V2X) communication. It is therefore expected that 5G-based vehicular communication to play a very crucial role in the formation of future intelligent automotive services including for safety.

In addition to offering several orders of magnitude higher network capacity and bandwidth (in comparison to LTE), 5G promises ultra-reliable low latency communication with radio latencies down to 1 millisecond, making it a suitable communication technology for mission critical applications and vehicular safety.

Further, 5G architecture allows for leveraging vehicular edge computing (VEC) in order to reduce the end-to-end communication and computation latency, reducing the traffic load on the core and taking advantage of higher bandwidths, storage capacity or processing power that are available at the network edge. Among other things, safety (micro-)services can be hosted on the VEC and be offered to the road users using a combination of 5G V2X communication and virtualization techniques at the age, in conjunction with the cloud core back-end system.

Project Description:

The successful candidate in this project will undertake the architectural design and hands-on development of candid services for vehicular safety using 5G mobile. A special focus will be directed to the safety scenarios in challenging environments — e.g., in road tunnels where GNSS positioning is typically absent. This will consequently involve the following tasks:

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

Requirements:

  • Very good knowledge of communication networking with focus on wireless communication protocols
  • Proven research track (e.g., in form of peer-reviewed publication(s)) on at least one of these topic areas: LTE/5G mobile, VEC/MEC, SDN/NFV, transport layer, network slicing, vehicular communication
  • Very good programming skills using C/C++ and Python, proven by providing pointers to git repos of previous code development projects. Proficient in using Linux or FreeBSD and familiar with their networking toolchain
  • Familiarity with basic software development platforms (e.g. git, issue trackers, mailing lists)

The following qualifications are highly desired but not mandatory:

  • Familiarity with network/Internet standards (e.g., IETF, 3GPP, ETSI)
  • Familiarity with SDR platforms (OpenAirInterface, LimeSDR, ETTUS USRP)
  • Familiarity with NFV-MANO/OSM, OPNFV, Opendaylight, ONOS, OpenStack, OpenFlow
  • Familiarity with Linux or FreeBSD networking kernel
  • Familiarity with cloud-based micro-service architecture including containers and their management systems (e.g., Docker, Kubernetes)

Supervisors:

Associate Professor Naeem Khademi (UiS), [email protected], and Professor Yan Zhang (UiO)

2. Incentives and reputation algorithms to empower societies

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, [email protected], and Professor Hein Meling.

3. 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, [email protected]

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:

Opplysninger om ansettelsesprosessen fås ved henvendelse til HR-rådgiver Janne Halseth, tlf: 5183 3525, e-post: [email protected]

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.

Søk stillingen