Om stillingen

Universitetet i Stavanger har ledig stilling som stipendiat i stipendiat i dyplæring ved Det teknisk-naturvitenskapelige fakultet, Institutt for data- og elektroteknologi. Stillingen er ledig fra 1.6.2020, eller etter nærmere avtale.

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 1.800 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.

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

Prosjekt tittel: Smarte distribuerte algoritmer for skalert dyplæring (Scale Deep Learning).

Prosjektbeskrivelse:

Dype nevrale nett (DNNs) har blitt sentralt i flere maskinlæringsapplikasjoner innen datasyn, naturlig språkbehandling, automatiserte svar på spørsmål osv. Ettersom størrelsen på datasettene som brukes til å trene disse modellene stadig vokser, øker også antall parametere som brukes i DNN-ene. For eksempel har nylige modeller som BERT og XLNet hundrevis av millioner parametere, og det kan ta flere dager å trene nettet. Å stole på maskinvare alene for å skalere er ikke lenger et alternativ ettersom Moores lov ikke ser ut til å støtte ytelsesøkning i GPU-er og TPU-er. Et annet problem med bruk av så store modeller er effektiviteten ved inferenstid. Målet med dette prosjektet er å utvikle smarte algoritmer som drar nytte av distribuerte og parallelle arkitekturer for å skalere både DNN-trening og inferens for store datasett. For eksempel har det i nylig forskning blitt brukt Locality Sensitive Hashing (LSH) for å minimere matrisemultiplikasjoner, som er nødvendige for å trene DNN-er. Det er brukt heuristiske gradientoppdateringer og beskjæring av søkeområde ved inferenstid osv. Selv om denne forskningen viser lovende resultater, er de ennå ikke anvendt på en rekke DNN-er, som konvolusjonelle nevrale nett (CNN), rekurrente nevrale nett (RNN), «Attention Networks» og grafbaserte nevrale nett (GNN). Dessuten er bruk av slike algoritmer for å utnytte distribuerte arkitekturer også en åpen utfordring.

Kvalifikasjonskrav

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

Søkere med erfaring eller publikasjoner relatert til maskinlæring, dyplæring og distribuerte systemer vil bli prioritert.

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. 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.

Vi tilbyr

• varierte arbeidsoppgaver i en stor, spennende og samfunnsviktig organisasjon
• et sterkt forskningsmiljø med veiledning fra erfarne forskere
• muligheter for å samarbeid og forskningsopphold ved våre anerkjente samarbeidspartnere, som Max Planck Institute for Informatics, L3S forskningssenter i Tyskland, Aalborg Universitet i Danmark og University of Amsterdam i Nederland
• 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:

• Førsteamanuensis Vinay J. Setty, tlf: 5183 2760, e-post: vinay.j.setty@uis.no eller til
• Instituttleder Tom Ryen, tlf: 5183 2029, e-post: tom.ryen@uis.no

Opplysninger om ansettelsesprosessen fås ved henvendelse til HR-rådgiver 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.

Søk stillingen