PhD Monitor
/جزئیات
مشاهده بیشتر:Computer ScienceFranceINRAE
علوم کامپیوتر و علوم کشاورزی● بازPreview

موقعیت دکتری در هوش مصنوعی توضیح‌پذیر برای کشف فنوتیپ‌های نادر گیاهی

توسعه روش‌های هوش مصنوعی توضیح‌پذیر برای شناسایی فنوتیپ‌های نادر گیاهی از پایگاه‌های دانش علمی ناهمگون.

مناسب برای:مناسب برای فارغ‌التحصیلان علوم کامپیوتر با علاقه شدید به هوش مصنوعی، بازنمایی دانش و کاربردهای میان‌رشته‌ای بیولوژیکی.

INRAE · Montpellier, France
استادان بیشتر در INRAE
هوش مصنوعیهوش مصنوعی توضیح‌پذیربازنمایی دانشتشخیص ناهنجاریاگرواکولوژیاکولوژی عملکردی
مهلت
۳۱ اکتبر ۲۰۲۶
۱۶ روز
بودجه
—
شروع
—
مکان
Montpellier
France

مرور کلی

این پروژه دکتری در تقاطع هوش مصنوعی، اکولوژی عملکردی و اگرواکولوژی قرار دارد و هدف آن پاسخ به چالش شناسایی فنوتیپ‌های نادر گیاهی از داده‌های علمی پراکنده است. داوطلب بر روی ایجاد یک پایگاه داده جهانی از صفات عملکردی، توسعه روش‌های تشخیص ناهنجاری در فضاهای با ابعاد بالا و ایجاد چارچوب‌های هوش مصنوعی توضیح‌پذیر برای تمایز اکتشافات بیولوژیکی از خطاهای داده کار خواهد کرد. این پژوهش در یک محیط بسیار میان‌رشته‌ای در مون‌پلیه و با مشارکت سه گروه پژوهشی تخصصی انجام می‌شود. داوطلب موفق در هر دو زمینه روش‌شناسی هوش مصنوعی و درک تنوع عملکردی گیاهان مشارکت خواهد داشت و کاربردهای بالقوه‌ای در حوزه‌های مختلف علمی ایجاد خواهد کرد.

دکتریهوش مصنوعی توضیح‌پذیرفنوتیپ‌های گیاهیگراف‌های دانشمتن‌کاویمدل‌های زبانی بزرگاستدلال محاسباتیاگرواکولوژی

نحوهٔ درخواست

آزمایشگاه
LEPSE, CEFE, LIRMM
INRAE
France
موقعیت کامل را ببین

برای دیدن امتیاز تطابق شخصی، نیازمندی‌ها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.

بدون نیاز به کارت بانکی · ۱۰ امتیاز تطابق AI رایگان
آماده‌اید؟
۱۶ روز تا مهلت — به این موقعیت اقدام کن.