پژوهشگر پسداکتور در هوش مصنوعی جغرافیایی‌پایه و دیده‌بانی زمین
به KTH بپیوندید تا رهبری پژوهش در زمینه یادگیری عمیق آگاه از فیزیک و مدل‌های پایه مکانی برای دیده‌بانی زمین را بر عهده بگیرید.
مناسب برای:مناسب برای پژوهشگران در ابتدای مسیر شغلی با پیشینه قوی در یادگیری عمیق، PyTorch و تحلیل داده‌های جغرافیایی.
مرور کلی
دانشگاهی فناوری رویال KTH از متقاضیان برای یک موقعیت پسداکتور دو ساله با تمرکز بر هوش مصنوعی جغرافیایی و دیده‌بانی زمین در دانشکده مدیریت املاک و ساخت‌وساز و آینده‌های دیجیتال دعوت به عمل می‌آورد. نامزد موفق، نوآوری‌های روش‌شناختی در یادگیری عمیق آگاه از فیزیک، مدل‌های پایه مکانی و الگوریتم‌های سبز هوش مصنوعی با کارایی منابع را هدایت خواهد کرد. مسئولیت‌ها شامل طراحی معماری‌های یادگیری عمیق فضا-زمان، مدیریت داده‌های ماهواره‌ای چندوجهی، و همکاری بین‌رشته‌ای برای پرداختن به چالش‌های شهری و زیست‌محیطی است. انتظار می‌رود متقاضیان علاوه بر داشتن سابقه انتشار مقالات، پیشینه قوی در زمینه یادگیری عمیق، سنجش از دور یا تحلیل‌های مکانی داشته باشند.
نحوهٔ درخواست
برای دیدن امتیاز تطابق شخصی، نیازمندی‌ها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.