Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Università degli Studi Firenze-Apprendimento con antagonisti |
|---|---|
| Titolo del progetto di ricerca in inglese | University of Florence- Adversarial Machine Learning- published on the |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Computer engineering |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI |
| Descrizione sintetica in italiano | L’assegnista lavorarerà su aspetti teorici ed algoritmi relativi all’apprendimento automatico generativo, interpretabile ed in presenza di antagonisti. Negli ultimi anni, lo scenario in cui un avversario può attaccare modelli di apprendimento, (nella fase di addrestramento o di predizione), ha ricevuto grande attenzione ed ha importanti implicazioni pratiche. Siamo particolarmente interessati a sfruttare i recenti progressi nel’utilizzo di reti profonde non supervisionate ma anche in approcci a meta-livello in cui si progettano algoritmi in grado di apprendere ad apprendere, apprendere ad ottimizzare e selezionare automaticamente gli iperparametri. Si richiede un dottorato di ricerca in apprendimento automatico o discipline strettamente correlate e la capacità di portare avanti ricerca in modo indipendente e di coadiuvare la supervisione di dottorandi. È fortemente desiderata una conoscenza approfondita di ambienti software per il deep learning quali PyTorch o TensorFlow. |
| Descrizione sintetica in inglese | The postdoctoral fellow is expected to work on novel algorithms and theory related to generative, adversarial, and explainable machine learning. In recent years, the setting where an adversary can attack learning models, either at training or at prediction time, has received significant attention and has important practical implications. We are especially interested in techniques that can leverage recent advances in unsupervised deep learning but also in meta-level settings where one designs algorithms capable of learning to learn, learning to optimize, and automatically tune hyperparameters. Candidates should have a PhD in machine learning or closely related disciplines and are expected to carry out independent research. There are no teaching duties associated with the position except co-supervision of PhD students working in related areas. Previous experience with common deep learning frameworks such as Pytorch or TensorFlow is highly desirable. |
| Data del bando | 29/12/2020 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | https://titulus.unifi.it/albo/viewer?view=files%2F003758188-UNFICLE-3da423af-9724-4c6a-8965-72ee88828be4-000.pdf |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | yes |
| Importo annuale | 33161 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Massima durata dell'assegno (mesi) | 12 |
| Criteri di selezione in italiano (breve descrizione) | dottorato di ricerca in apprendimento automatico o discipline strettamente correlate |
| Criteri di selezione in inglese (breve descrizione) | PhD in machine learning or similar |
| Processo di selezione in italiano (breve descrizione) | per titoli e colloquio |
| Processo di selezione in inglese (breve descrizione) | evaluation of titles and examination by means of an interview |
| Nome dell'Ente finanziatore | Università degli Studi Firenze |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Firenze |
| Sito web | http://www.unifi.it |
| amministrazione@dinfo.unifi.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 29/01/2021 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |