Doktorand i Elektronik inom maskininlärning för inbyggda system - Under tillsättning eller tillsatt, ej sökbar

Maskininlärning har under de senaste åren blivit attraktivare som verktyg för dataanalys och datadriven modellering. I en industriell miljö kan maskininlärning till exempel användas för att utvärdera en maskins tillstånd eller förutsäga om en komponent är på väg att gå sönder, baserat på sensordata. För närvarande görs dataanalysen i de flesta fall offline, det betyder på en annan plats än den där sensordata har samlats in. På grund av bland annat bandbreddsbegränsningar, säkerhetsproblem och realtidskrav är det önskvärt att göra dataanalysen närmare datakällan. Detta innebär att det är önskvärt att köra maskininlärningsalgoritmerna på inbäddade system som har begränsade resurser.

Den här doktorandpositionen fokuserar på maskininlärning för energibegränsade inbyggda system, som till exempel trådlösa sensorer som är batteridrivna eller får sin energi från energy harvesting. Under dina doktorandstudier kommer du att bidra till att bygga upp en bättre förståelse inom detta område, undersöka aktuella maskininlärningsmetoder för lågeffektsmikrokontroller eller alternativa lågeffektberäkningsarkitekturer. Du kommer att analysera energikrav och begränsningar, samt bidra till utvecklingen av nya och förbättrade metoder. Du kommer att bidra till ett spännande ungt forskningsområde och förvärva en attraktiv kompetens som är relevant inom både akademin och industrin.

Som doktorand i gruppen Autonomous Sensor Systems kommer du att vara en viktig del av forskargruppen och samarbeta med andra doktorander, postdoktorer och seniorforskare. Dina studier kommer att bestå av kurser och eget forskningsarbete, som utvecklar dina kompetenser genom teoretiska studier och experiment. Du förväntas föra fram egna idéer i utvecklingen av din forskningsagenda och bidra till publicering och presentation av resultat. Forskargruppen kommer i sin tur att tillhandahålla ett forum för diskussion, handledning och hjälp under dina studier för att stödja din forskning och karriärutveckling. Du kommer att ingå i en ledande grupp inom inbyggda sensorsystem och kunna utnyttja gruppens stora internationella nätverk.

Arbetsuppgifter: Egen forskarutbildning innefattande forskning 100 %.

Behörighet och bedömningsgrunder: Grundläggande behörighet har den som avlagt en examen på avancerad nivå eller fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå eller på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper. Särskild behörighet har den som har minst 90 högskolepoäng i elektroteknik, datateknik eller ämnen nära besläktade med dessa, eller på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.

Personliga kvalitéer som samarbetsförmåga, initiativförmåga och lämplighet för doktorandstudier kommer att sammanvägas med den formella ämneskunskapen. En kort beskrivning av den sökandes visioner och mål skall inkluderas i ansökan.

Handläggning
Beredningen av anställningen följer de former som anges i högskoleförordningens 5 kapitel och fortgår i enlighet med Mittuniversitetets anställningsordning.

Anställning: Doktorandanställningen avser en anställning som motsvarar två års heltidsstudier och beräknas leda fram till en licentiatexamen. Anställningen kan förlängas fram till doktorsexamen förutsatt att ytterligare finansiering erhålles.

Tillträde: Den 2022-06-01 eller efter överenskommelse.

Placeringsort: Sundsvall

Lön: Enligt Mittuniversitetets lönetrappa för doktorander.

Information om anställningen lämnas av Närmare upplysningar lämnas av prefekt, Claes Mattsson claes.mattson@miun.se, Tefefon, +46 (0)10 142 84 98, mobil, +46 (0)70 28 35 685 och professor Bengt Oelmann bengt.oelmann@miun.se. Se även STCs hemsida https://www.miun.se/en/Research/research-centers/stc/

Ansökan ska innehålla styrkt meritförteckning, kopior av betyg och examensbevis, målbeskrivning enligt ovan samt övriga handlingar som önskas åberopas. 

Välkommen med din ansökan via vårt rekryteringssystem senast 2022-04-15.