Zadanie 4.5 – wolne stanowisko – Naukowiec w dziedzinie uczenia maszynowego na potrzeby struktur złożonych

Lider zadania: Tomasz Kajdanowicz, tomasz.kajdanowicz@pwr.wroc.pl

Szczegóły dotyczące zatrudnienia nowego naukowca:

Naukowiec: Wakat
Stanowisko: Osoba prowadząca badania w zakresie uczenia maszynowego na potrzeby struktur złożonych
Okres zatrudnienia: 18-24M

Sylwetka naukowca:

Naukowiec powinien być ekspertem w prowadzeniu różnego rodzaju badań nad predykcją, klasyfikacją struktur złożonych, w szczególności dla węzłów sieci. Obejmuje to także relacyjne uczenie maszynowe (relational machine learning), klasyfikację zbiorczą (collective classification), wnioskowanie dla grafów (reasoning for graphs), predykcję połączeń (link prediction), predykcję ewolucji społeczności (community evolution prediction), a także ich zastosowania. Ekspert od co najmniej 5 lat powinien posiadać tytuł doktora, a także znaczący wykaz cytowanych publikacji w dziedzinie uczenia maszynowego, z sumą IF co najmniej 10, indeks h co najmniej 4. Kandydat powinien również przedstawić dokumentację z przynajmniej 3 międzynarodowych projektów badawczych, w których brał udział – najlepiej w ramach Europejskich Programów Ramowych.

Wkład do potencjału badawczego ENGINE:

Osoba ta w szczególności będzie zobowiązana do bycia współautorem co najmniej 6 prac w czasopismach z listy JCR (suma IF tych periodyków > 7) wraz z innymi członkami zespołu ENGINE oraz do przygotowania i przeprowadzenia szeregu działań tworzących potencjał zespołu ENGINE w zakresie postępów w uczeniu maszynowym i ich zastosowaniach. Dodatkowo osoba ta będzie zaangażowana w przygotowanie warsztatów naukowych organizowanych przez ENGINE.
Badania zatrudnionego kandydata w ramach ENGINE będą się koncentrować na:

  • Zaawansowane metody i techniki uczenia maszynowego.
  • Klasyfikacja w grafach (Classification in graphs)
  • Strukturalne uczenie maszynowe
  • Predykcja ciągłych złożonych struktur danych wyjściowych (Prediction of continuous complex structure outputs)
  • Skalowalne metody w uczeniu maszynowym (scalable methods in machine learning)