Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Adattamento continuo ed efficiente dei parametri di modelli di intelligenza artificiale multimodale basati su Deep Learning |
|---|---|
| Titolo del progetto di ricerca in inglese | University of Florence- Continual and parameter-efficient adaptation of multimodal artificial intelligence models based on Deep Learning- published on the |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Computer engineering |
| G.S.D. | 09/IINF-05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI |
| S.S.D | IINF-05/A - Sistemi di elaborazione delle informazioni |
| Descrizione sintetica in italiano | L'obiettivo di questo progetto di ricerca è studiare e sviluppare tecniche in grado di apprendere da sequenze non stazionarie di categorie multimodali, ovvero problemi in cui i campioni consistono in insiemi di rappresentazioni eterogenee come testo, immagini, video, grafi, ecc. Miriamo a estendere i paradigmi attuali di adattamento dei modelli di intelligenza artificiale basati su Deep Learning (i cosiddetto "Foundation Models") a scenari in cui le categorie dei dataset e le modalità delle loro rappresentazioni evolvono nel tempo. I modelli dovrebbero essere in grado di adattarsi a tali cambiamenti senza perdere le capacità fondamentali di apprendimento e di acquisizione di nuove conoscenze, preservando al contempo le capacità "zero-shot" di base. |
| Descrizione sintetica in inglese | The aim of this research project is to study and develop techniques capable of learning from non-stationary sequences of multimodal categories, i.e., problems where the samples consist of sets of heterogeneous representations such as text, images, video, graphs, etc. We aim to extend the current paradigms of adapting artificial intelligence Foundation Models based on Deep Learning to scenarios in which dataset categories and the modalities of their representations evolve over time. The models should be able to adapt to such changes without losing their fundamental learning and knowledge acquisition abilities, while also preserving their basic zero-shot capabilities. |
| Data del bando | 29/10/2024 |
| 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%2F005775438-UNFICLE-ebb62d22-9a12-493f-92d7-8e8d09d545fe-000.pdf |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | yes |
| Importo annuale | 23890 |
| 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) | Laurea Magistrale in Ingegneria informatica, in Informatica, in Matematica |
| Criteri di selezione in inglese (breve descrizione) | Master's Degree in Computer Engineering, in Computer Science, in Mathematics |
| 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 | 18/11/2024 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |