Denna annons är inte tillgänglig!
Sapere Aude – våga vara vis – är vårt motto. Våra studenter och medarbetare utvecklar kunskap och kompetens som berikar individen och världen. Vår akademiska miljö präglas av nyfikenhet, mod och uthållighet, och grunden för vår verksamhet är jämställdhet, mångfald och ett demokratiskt synsätt. Vi finns i en aktiv, naturnära region och är en motor för hållbar utveckling i tät samverkan med det omgivande samhället.
Karlstads universitet har ca 1 400 medarbetare och 17 300 studenter fördelade på två inspirerande campusmiljöer i Karlstad och Arvika. Läs mer om oss på: kau.se/jobb
Beskrivning
Är du intresserad av samspelet mellan maskininlärning, hantering av komplexa energisystem och edge/cloud compute?
Fakulteten för hälsa, natur- och teknikvetenskap tar nu emot ansökningar för en doktorandanställning som leder till en doktorsexamen i datavetenskap, med inriktning mot tillämpning av maskininlärning i smarta elnät för storskalig solcellsintegration, vid Institutionen för matematik och datavetenskap.
I ditt avhandlingsprojekt kommer du att utveckla maskininlärningsbaserade metoder för mer exakta prognoser av energiproduktionen i solcellsystem, samt förutse energiefterfrågan och utforska hur ofullständiga data påverkar energinätsprognoser och dess osäkerhet. För integrering av sådana prognosalgoritmer i verkliga system, kommer du att arbeta med driftdetektion och automatiska inlärningstekniker för att utveckla mer effektiva lösningar för realtidsdrift och planering av elnät. Slutligen kommer du även att integrera dina algoritmer i IoT-baserade konstruktioner som edge computing för att begränsa nätinvesteringar för förstärkningar av nätet och datainsamlingspunkter.
Doktorandanställningen ingår i en flervetenskaplig forskningsgrupp, samt AI4ENERGY-projektet som finansieras av Energimyndigheten och Solelforskningscentrum Sverige, SOLVE. Du kommer att samarbeta med forskare och doktorander vid Karlstads universitet, Dalarnas högskola, Mälardalens universitet, Sveriges lantbruksuniversitet, RISE och Uppsalas universitet.
En doktorand ska främst ägna sig åt egen forskarutbildning, i vilken deltagande i forskningsprojekt och forskarkurser ingår. Forskarutbildningen består av 240 hp, inklusive avhandlingen vid doktorsexamen och 120 hp vid licentiatexamen.
Doktoranden kommer att undersöka hur maskininlärningsalgoritmer och edge/molnlösningar kan resultera i bättre hantering och kontroll av smarta elnät. Syftet med projektet är att ta fram välställda, datadrivna modeller och använda dem till prognoser inom smarta elnätsområdena.
För att bli antagen till forskarutbildningen måste den sökande uppfylla både grundläggande och särskilda behörighetskrav (Högskoleförordningen, Kap 7, § 35).
Grundläggande behörighet har den som har avlagt en examen på avancerad nivå, fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå, eller som på annat sätt inom eller utom landet har förvärvat i huvudsak motsvarande kunskaper. (Högskoleförordningen, Kap. 7, § 39).
Särskild behörighet har den som avlagt magisterexamen i datavetenskap, avlagt masterexamen i datavetenskap, eller avlagt civilingenjörsexamen i datateknik. Behörig är även den som på annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.
För att bli antagen till forskarutbildningen måste den sökande bedömas ha förmåga att tillgodogöra sig utbildningen (Högskoleförordningen, Kap 7, § 35). Antagning sker efter individuell prövning.
Urval baseras på studieresultat. Särskild vikt ges kvaliteten på självständiga forsknings- eller examensprojekt utförda under tidigare studier, i synnerhet arbeten på masternivå och inom relevant forskningsinriktning. De viktigaste bedömningsgrunderna för urvalet är vetenskaplig skicklighet, lämplighet för forskningsprojektet och dokumenterad förmåga att arbeta både självständigt och i grupp.Vikt ges kunskap om och bakgrund inom tillämpad maskininlärning. Erfarenhet av utveckling av algoritmer för maskininlärning och deras praktiska implementering i edge computing-plattformar är meriterande.
För mer information om forskningsutbildningen i datavetenskap vid Karlstads universitet, se www.kau.se/cs
Efter antagning till utbildning på forskarnivå kommer en anställning som doktorand att erbjudas (Högskoleförordningen, Kap 5, § 3) Anställningen omfattar fyra års heltidsstudier, alternativt 5 års studier om 80% och 20% undervisning eller annan institutionstjänstgöring. Anställningen är tidsbegränsad på först ett år och kan därefter förlängas med högst två år i taget. Tillträde enligt överenskommelse.
Lönen för doktorandanställningen följer den av Karlstads universitet fastställda lönestegen för doktorander.
Karlstads universitet värdesätter de kvaliteter som jämn könsfördelning och mångfald tillför verksamheten. Vi ser därför gärna sökande av alla kön och med olika födelsebakgrund, funktionalitet och livserfarenhet.
Ansökan görs i universitetets webbaserade rekryteringsverktyg Varbi.
Du som sökande ansvarar för att ansökan är komplett i enlighet med annonsen, att eventuella handlingar på språk annat än svenska och engelska är översatta och att dokumentera din kompetens på ett sätt som medger en saklig, kvalitativ bedömning. Komplett ansökan ska vara inne vid ansökningstidens slut. En ofullständig ansökan kan medföra att din kompetens inte kan prövas i alla avseenden.
Ansökan ska innehålla följande handlingar:
Handlingar som inte kan lämnas in i digital form kan skickas till följande adress:
Karlstads universitet
Josefin Rönnqvist
651 88 KARLSTAD
Sista ansökningsdag: 2022-06-20
Ange ref.nr: REK 2022/104.
Välkommen med din ansökan!
Karlstads universitet har gjort medieval för denna rekrytering och vi undanber oss därför kontakter med annonsförsäljare av rekryteringstjänster.
Anställningsform | Tidsbegränsad anställning |
---|---|
Anställningens omfattning | Heltid |
Tillträde | Tillträdesdatum enligt överenskommelse. |
Löneform | Doktorandstege |
Antal lediga befattningar | 1 |
Sysselsättningsgrad | 100 |
Ort | Karlstad |
Län | Värmlands län |
Land | Sverige |
Referensnummer | REK2022/104 |
Kontakt |
|
Facklig företrädare |
|
Publicerat | 2022-05-31 |
Sista ansökningsdag | 2022-06-20 |