PhD-stipendiat i klimadataanalyse og AI-emulering

Arbeidsplassen; Bergen; On-site; NOK 534,000 - 653,000; Full time

Job summary

Universitetet i Bergen tilbyr ein ph.d.-stipendiatstilling knytt til klimadataanalyse og maskinlæringsbasert emulering av hydrologiske modellar ved Bjerknessenteret. Stillinga er tre år med moglegheit for eitt år ekstra knytt til undervisning og forsking, som del av prosjektet Dynamic-AI.

Stipendiaten vil arbeide i eit internasjonalt miljø og samarbeide i DYNAMIC-AI-programmet for å kombinere fysiske modelleringar, maskinlæring og hydrologisk modellering for å analysere ekstremhendingar og

Qualifications

• Søkjarar må ha oppnådd mastergrad eller tilsvarande utdanning i datavitskap, atmosfærevitskap, meteorologi, hydrologi eller eit relatert fagområde, eller ha levert masteroppgåva til vurdering innan søknadsfristen er ute. Det er ein føresetnad at mastergraden er oppnådd før tilsetjing kan skje.
• Erfaring med Python-programmering, gode ferdigheiter i bruk av Unix/Linux, og handtering av store klimadatasett i deira originale format (t.d. NetCDF) er eit krav.
• Erfaring frå minst eitt av følgjande område er eit krav: hydrologisk modellering, overflateprosessar, analyse av klimadata og/eller trening av nevrale nettverk. Erfaring frå fleire av områda er ein fordel.
• Erfaring med maskinlæringsverktøy som Pytorch er ein fordel.
• Forståing av og/eller erfaring frå analyse av ekstremhendingar er ein fordel.
• Erfaring med statistikk, kvantifisering av usikkerhet eller forplantning av usikkerhet er ein fordel.
• Kjennskap til andre relevante programmeringsspråk er ein fordel.
• Søkjarar må kunne arbeide sjølvstendig og strukturert og ha gode samarbeidsevner.
• Søkjarar må ha gode skriftlege og munnlege engelskkunnskapar.

Job description

Universitetet i Bergen tilbyr ein ph.d.-stipendiatstilling knytt til klimadataanalyse og maskinlæringsbasert emulering av hydrologiske modellar ved Bjerknessenteret. Stillinga er tre år med moglegheit for eitt år ekstra knytt til undervisning og forsking, som del av prosjektet Dynamic-AI.

Stipendiaten vil arbeide i eit internasjonalt miljø og samarbeide i DYNAMIC-AI-programmet for å kombinere fysiske modelleringar, maskinlæring og hydrologisk modellering for å analysere ekstremhendingar og