medjouel.com Estudio sin parar
Related Articles
L’Université d’Umeå, le Département des sciences informatiques, recherche des candidats pour un poste postdoctoral en apprentissage fédéré économe en ressources pour préserver la sécurité et la confidentialité en mettant l’accent sur les infrastructures de pointe . La date limite de candidature est le 20 avril 2020 .
WASP
Le poste est financé par la Fondation Knut et Alice Wallenberg par le biais du Wallenberg AI, Autonomous Systems and Software Program (WASP), le plus grand programme de recherche individuel jamais réalisé en Suède, et une initiative nationale majeure pour la recherche fondamentale stratégique, l’éducation et le recrutement de professeurs. La vision de WASP est une excellente recherche et compétence en intelligence artificielle, systèmes autonomes et logiciels au profit de la société suédoise ainsi que de l’industrie. Pour plus d’informations sur les recherches et autres activités menées au sein du WASP, veuillez visiter http://wasp-sweden.org/.
Description du projet et tâches de travail
L’augmentation rapide des systèmes et des applications autonomes pose des défis dans le traitement des pétaoctets de données. Ces caractéristiques de taille et multidimensionnelles rendent les modèles d’apprentissage automatique plus grands et plus complexes. Les approches centralisées classiques de l’apprentissage et de l’inférence ne parviennent pas à résoudre les problèmes de limitation des ressources et de stockage, les contraintes de bande passante du réseau, la latence de queue, l’efficacité énergétique, etc. Ce projet se concentre sur la conception et la mise en œuvre d’algorithmes d’apprentissage fédérés économe en ressources et robustes pour préserver la sécurité et la confidentialité, qui sont parfaitement adaptés aux infrastructures Big Data et Edge.
Ce projet s’appuie sur des techniques d’apprentissage fédérées pour faire progresser des algorithmes d’apprentissage automatique de pointe où les données sont géographiquement distribuées et sensibles. Les algorithmes d’apprentissage fédérés permettent aux nœuds distribués à grande échelle, c’est-à-dire aux appareils mobiles, de former des modèles partagés à l’échelle mondiale sans divulguer la confidentialité des données brutes. Des attaquants sophistiqués exploitent les limites des données, du modèle, des classes cibles, des ressources, du chemin de communication pour tromper les algorithmes d’apprentissage fédérés et également pour violer la sécurité et la confidentialité. En créant des fonctionnalités uniques (par exemple, optimisation décentralisée, hétérogénéité, architecture de communication rentable, apprentissage agnostique du modèle et robustesse) des algorithmes d’apprentissage fédérés, ce projet aborde les problèmes de ressources limitées, de calcul, de communication, et l’efficacité énergétique pour préserver la sécurité et la confidentialité. En conséquence, ces fonctionnalités améliorent la sauvegarde des services et la capacité de diagnostic des infrastructures de périphérie.
En plus de ses propres recherches, le candidat sélectionné devrait contribuer à la communauté de recherche locale en participant activement aux activités de recherche du département et du groupe telles que les ateliers, les séminaires, etc. Ces contributions peuvent se faire au sein d’un groupe de recherche sur les systèmes distribués, mais en collaboration avec des chercheurs dans, par exemple, l’apprentissage automatique, les statistiques mathématiques, l’optimisation, l’apprentissage en profondeur, l’apprentissage fiable ou l’intelligence artificielle est attendu. (Pour plus d’informations, voir www.cloudresearch.org).
Conditions d’emploi
La nomination est pour un emploi à temps plein de deux ans. Les post-doctorants ont généralement la possibilité d’acquérir une expérience d’enseignement dans des cours de premier cycle appropriés. La date de début prévue est le 1er août 2020 ou comme convenu autrement.
Qualifications
Les candidats doivent avoir obtenu un doctorat ou un diplôme étranger jugé équivalent à un doctorat en intelligence artificielle, apprentissage automatique, informatique ou un sujet pertinent pour le poste. Le doctorat ne doit pas avoir plus de trois ans avant la date limite de candidature, sauf circonstances particulières.
Les candidats doivent avoir une connaissance exceptionnelle des techniques d’apprentissage automatique (de préférence un apprentissage fédéré et un apprentissage digne de confiance). Une connaissance démontrable de la confidentialité des données, du traitement des données, de l’apprentissage en profondeur, des menaces à l’apprentissage automatique, de la sécurité et des anomalies de performances est une condition préalable. En particulier, les candidats doivent bien connaître la modélisation et la mise en œuvre de modèles d’apprentissage décentralisés pour garantir la sécurité et la confidentialité lorsque les données sont géographiquement distribuées et sensibles.
Étant donné que la recherche est menée dans un environnement de recherche international, la capacité de travailler de manière indépendante ainsi que de collaborer et de contribuer au travail d’équipe est requise. Une très bonne maîtrise de la langue anglaise, écrite et parlée, sont des exigences clés.
Nous invitons en particulier les candidates à postuler pour garantir l’équilibre entre les sexes.
Candidature
Une candidature complète doit contenir les documents suivants:
- Lettre d’introduction comprenant un énoncé de 2 pages des intérêts de recherche relatifs aux sujets ci-dessus et une motivation de la raison pour laquelle votre expertise est appropriée pour le poste.
- Curriculum Vitae (CV) comprenant une liste complète des publications scientifiques.
- Copies des diplômes, y compris la documentation des cours académiques terminés et des notes obtenues
- Une copie de votre thèse de doctorat et des copies (max 5) des publications de recherche originales pertinentes aux sujets ci-dessus, numérotées selon la liste des publications.
- Noms et coordonnées de trois personnes souhaitant servir de références.
- Toute autre information pertinente pour le poste, comme une description de l’expérience en développement de logiciels ou une expérience antérieure dans l’industrie.
La demande doit être rédigée en anglais ou en suédois. Les documents doivent être au format Word ou pdf. Les candidatures doivent être soumises par voie électronique en utilisant le système de recrutement électronique de l’Université d’Umeå et être reçues au plus tard le 20 avril 2020. Numéro de référence AN 2.2.1-409-20.
De plus amples informations peuvent être obtenues auprès du professeur adjoint Monowar Bhuyan (e-mail: monowar@cs.umu.se) et du professeur Erik Elmroth (e-mail: elmroth@cs.umu.se).
En savoir plus sur nous :
Le Département des sciences informatiques est un environnement dynamique avec plus de 120 employés représentant plus de vingt pays à travers le monde. Nous menons des formations et des recherches sur un large éventail de sujets en informatique. L’objectif de la recherche au sein du groupe Systèmes distribués est de concevoir, développer et déployer des algorithmes d’apprentissage distribués pour la gestion (autonome) des ressources et des applications pour différents types d’IoT, de nuages et de systèmes distribués.
Admission
1er août 2020, ou autrement convenu
Contact
Monowar Bhuyan, biträdande lektor
monowar@cs.umu.se
Erik Elmroth, professeur
elmroth@cs.umu.se
Numéro d’enregistrement
AN 2.2.1-409-20
Un salaire
Salaire mensuel
représentant syndical
SACO 090-786 53 65
SEKO 090-786 52 96
ST 090-786 54 31
avant 2020-04-20
