Stipendiat i livslang maskinlæring for gjenkjenning av menneskelig aktivitet
Universitetet i Stavanger · Stavanger
Don’t apply blind. See how your CV matches this role first — free, in 30 seconds.
You will leave NewLuxJob. We do not receive or handle applications.
- Company
- Universitetet i Stavanger
- Location
- Stavanger
- Posted
- November 16, 2026
About this job
Om stillingen Universitetet i Stavanger har ledig stilling som stipendiat i livslang maskinlæring for gjenkjenning av menneskelig aktivitet ved Det teknisk- naturvitenskapelige fakultet, Institutt for data- og elektroteknologi. Stillingen er ledig fra våren 2027. Stipendiatstillingen leder fram til doktorgrad og gir deg mulighet til å utvikle forskningskompetanse i et aktivt og stimulerende fagmiljø. Gjennom doktorgradsutdanningen opparbeider du kunnskap, ferdigheter og erfaring som kvalifiserer for videre karriere innenfor forskning, høyere utdanning og andre kunnskapsintensive sektorer. Den som ansettes tas opp på doktorgradsprogrammet i teknologi og naturvitenskap. Programmet omfatter blant annet selvstendig forskningsarbeid, deltakelse i nasjonale og internasjonale forskermiljø samt forskningsformidling. Les mer om forskerutdanningen ved UiS på våre nettsider. Stillingen er for tre år med ren forskerutdanning eller fire år med forskerutdanning kombinert med annet karrierefremmende arbeid. Dette avklares i rekrutteringsprosessen. Som stipendiat ved UiS får du støtte til faglig og karrieremessig utvikling gjennom veiledning, kompetanseutvikling og karriereplanlegging. Forskningstema Den som ansettes vil være tilknyttet forskningsprosjektet livslang læring for menneskelig aktivitetsgjenkjenning. Forskningsgruppen utvikler maskinlæringsmetoder og sensorinfrastruktur som lar AI-systemer forstå menneskelig atferd i hverdagsmiljøer. Fokuset er på systemer som fortsetter å lære over tid i stedet for å bli trent én gang på manuelt merkede data. En sentral ressurs er Smart Objects for Smart Care (SOSC), en sensorinfrastruktur for flere brukere utviklet av forskningsgruppen og distribuert i virkelige husholdninger. Den fanger opp synkroniserte data fra objekterinteraksjons-, bærbare enheter og fysiologiske sensorerdata. Gruppens nåværende forskning behandler automatisk annotering, kontinuerlig læring og føderert læring som deler av ett problem: å bygge aktivitetsgjenkjenningssystemer som merker sine egne data, tilpasser seg etter hvert som mennesker og atferd endres, og lærer på tvers av mange brukere uten å sentralisere personopplysninger. Arbeidet kombinerer kjerneforskning innen maskinlæring med validering i den virkelige verden innen helse- og omsorgsmiljøer. Innenfor denne forskningsaktiviteten vil PhD-prosjektet utvikle kontinuerlige (livslange) læringsmetoder for aktivitetsgjenkjenning. Disse modellene bør justere seg etter nye brukere, atferd og aktivitetsklasser uten katastrofale forglemmelser, samtidig som de lærer fra automatisk genererte og ufullkomne annoteringer. Prosjektet vil også studere hvordan slike modeller kan trenes på tvers av husholdninger på en samlet, personvernbevarende måte. Kandidaten vil jobbe med reelle data fra SOSC-distribusjoner, og de nøyaktige forskningsspørsmålene vil bli finpusset med veilederne i løpet av de første månedene av prosjektet. Kvalifikasjoner Du må ha en sterk faglig bakgrunn med femårig mastergrad innenfor informatikk, datavitenskap, elektro-/datateknikk, anvendt matematikk eller et nært beslektet fagområde, eller tilsvarende utdanning som gir grunnlag for å gjennomføre en forskerutdanning, fortrinnsvis av nyere dato. Karakter på masteroppgaven og veid gjennomsnittskarakter for masterstudiet må begge tilsvare B eller bedre. Dersom du har utdanning fra en institusjon med annen karakterskala enn A-F, ber vi deg legge ved dokumentasjon som viser hvordan karakterene kan sammenliknes med den norske karakterskalaen. Du kan bruke disse konverteringsskalaene til å beregne poengene dine for opptak. Dersom du fullfører mastergraden våren 2027, er du også velkommen til å søke. De vil være en fordel å ha: solid bakgrunn innen maskinlæring og dyp læring sterke programmeringsferdigheter i Python og erfaring med rammeverk som PyTorch kunnskap om ett eller flere av følgende områder: kontinuerlig læring («lifelong learning»), selvovervåket eller svakt overvåket læring, føderert læring, tidsserier, eller analyse av data fra bærbare enheter / IoT-sensorer. Vi legger også vekt på at du: har høy faglig integritet og fokus på kvalitet i arbeidet er nysgjerrig og motivert for å gjennomføre forskningsprosjektet og bidra til faglige fellesskap og samarbeid på tvers av fagområder har potensial for forskning innenfor fagfeltet og personlige forutsetninger for å fullføre doktorgradsutdanningen innen ansettelsesperioden kan arbeide godt både selvstendig og i samarbeid med andre forskere har evne til kritisk refleksjon, nytenkning og selvstendig problemløsning, og arbeider strukturert og målrettet har gode samarbeids- og kommunikasjonsevner og bidrar til et konstruktivt arbeidsmiljø. har gode ferdigheter i engelsk, både skriftlig og muntlig. Krav til engelskkunnskaper Gode ferdigheter i engelsk, både skriftlig og muntlig, er en forutsetning for opptak til doktorgradsprogrammet. Dersom du er internasjonal søker og ikke omfattes av fritaksordningene nedenfor, må du dokumentere engelskkunnskapen
Want to know if you're a fit? Check your CV against this role — free, in 30 seconds.
Similar jobs
- Faglærer innen elektro · Rogaland fylkeskommune
- Kjøkkensjef · Matsalen As
- Kokk · Personalhuset
- Engasjert NAV-veileder til oppdrag · Dedicare Barnevern & miljøterapi
- Sykepleier til korttid demens - bli med å skap trygghet når livet er i endring · Haugåstunet sykehjem (5), Stavanger kommune
- AVDELINGSLEDER · Eiganes skole (5), Stavanger kommune
See if your CV fits this job
Paste your CV for an instant match score against this role — and get a tailored cover letter in one click.
- Instant match score for this role
- Tailored cover letter in one click
- Free — no credit card