PhD Monitor
/جزئیات
مهندسی برق● بازPreview

دانشجوی مقطع دکتری در رشته نظریه اطلاعات و کدگذاری برای یادگیری فدرال

توسعه روش‌های پیشرفته نظریه اطلاعات و کدگذاری به منظور ارتقای تاب‌آوری و کارایی یادگیری ماشین فدرال.

مناسب برای:مناسب برای فارغ‌التحصیلان مقطع کارشناسی ارشد با پیشینه قوی ریاضی و علاقه‌مند به نظریه اطلاعات، نظریه کدگذاری و یادگیری فدرال.

KTH Royal Institute of Technology · Stockholm, Sweden
استادان بیشتر در KTH Royal Institute of Technology
یادگیری فدرالنظریه اطلاعاتنظریه کدگذاریتحلیل تصادفیکارایی یادگیری ماشین
مهلت
—
بودجه
—
شروع
—
مکان
Stockholm
Sweden

مرور کلی

این موقعیت دکتری بر روی روش‌های مبتنی بر نظریه اطلاعات و کدگذاری تمرکز دارد تا تاب‌آوری و کارایی یادگیری ماشین فدرال را در شرایط محدودیت پهنای باند و گره‌های غیرقابل اعتماد بهبود بخشد. این پروژه که به طور مشترک توسط دانشگاه صنعتی کی‌تی‌اچ (KTH) و دانشگاه فنی دانمارک (DTU) پشتیبانی می‌شود، نیازمند تحرک قابل توجهی از جمله گذراندن حداقل یک سال در دانشگاه DTU است. نامزد برگزیده به تحقیق مستقل خواهد پرداخت، در میان گروه‌های تحقیقاتی بین‌المللی همکاری خواهد کرد و سیستم‌های تصادفی پیچیده را تحلیل خواهد نمود. نظارت بر کار توسط اعضای هیئت علمی هر دو مؤسسه به صورت مشترک انجام خواهد شد.

یادگیری فدرالنظریه اطلاعاتنظریه کدگذاریمهندسی برقفرآیندهای تصادفییادگیری ماشین توزیع‌شده

نحوهٔ درخواست

آزمایشگاه
مهندسی برق
KTH Royal Institute of Technology
Sweden
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؟
به این موقعیت اقدام کن یا برای بعد ذخیره‌اش کن.