🔹 برخورداری از دانش مناسب در زمینه یادگیری ماشین.

🔹 آشنایی با مدل‌های مولد عمیق مانند VAE، GAN و مدل‌های انتشار، یا مدل‌سازی احتمالاتی، مزیت مهمی محسوب می‌شود.

🔹 مهارت برنامه‌نویسی با زبان Python.

🔹 تجربه کار با چارچوب‌های یادگیری عمیق، به‌ویژه PyTorch.

🔹 توانایی همکاری میان‌رشته‌ای با پژوهشگران حریم خصوصی، متخصصان حقوق و مقررات و فعالان صنعت انرژی.

🔹 تسلط مناسب به زبان انگلیسی در مهارت‌های گفتاری و نوشتاری.

💡 نکته مثبت: داشتن دانش قبلی درباره سیستم‌های انرژی الزامی نیست؛ زمینه تخصصی انرژی از سوی گروه پژوهشی و شرکای کنسرسیوم در اختیار پژوهشگر قرار خواهد گرفت.

⸻

💶 حقوق و مزایای موقعیت دکتری

این موقعیت به‌صورت قرارداد استخدامی تمام‌وقت در دانشگاه رادبود ارائه می‌شود.

💰 حقوق ناخالص ماهانه:

• سال اول: ۳٬۲۰۴ یورو
• سال چهارم: تا ۴٬۰۵۱ یورو

حقوق بر اساس مقیاس پرداخت P و مطابق شرایط استخدامی دانشگاه تعیین می‌شود.

🎁 مزایای اعلام‌شده:

🔹 کمک‌هزینه تعطیلات معادل ۸ درصد حقوق ناخالص.

🔹 پاداش پایان سال معادل ۸٫۳ درصد.

🔹 امکان انتخاب ۳۰ یا ۴۱ روز مرخصی سالانه برای کارکنان تمام‌وقت، مطابق مقررات دانشگاه.

🔹 ساعات کاری انعطاف‌پذیر و امکان دورکاری، بر اساس توافق کاری.

🔹 طرح بازنشستگی.

🔹 دسترسی به برنامه‌های آموزشی و فرصت‌های توسعه حرفه‌ای.

🔹 امکان استفاده از تخفیف ۳۴ درصدی فعالیت‌های ورزشی و فرهنگی دانشگاه برای کارکنان.

🔹 محیط پژوهشی بین‌المللی، فرصت انتشار مقالات علمی و همکاری با متخصصان دانشگاهی و صنعتی.

📌 ساختار قرارداد: قرارداد اولیه ۱۸ ماهه است. پس از ارزیابی عملکرد، در صورت مثبت بودن نتیجه، قرارداد برای ۲٫۵ سال دیگر تمدید می‌شود تا مجموع مدت همکاری به چهار سال برسد.

⸻

🏛️ محل فعالیت و گروه پژوهشی

دانشگاه: Radboud University
مؤسسه پژوهشی: Institute for Computing and Information Sciences (iCIS)
بخش: Data Science
دانشکده: Faculty of Science
شهر: Nijmegen، هلند

این مؤسسه در حوزه‌های یادگیری ماشین، علوم نرم‌افزار و امنیت دیجیتال فعالیت دارد و محیطی بین‌المللی و مشارکتی برای انجام پژوهش‌های میان‌رشته‌ای فراهم می‌کند.

👩‍🔬 استاد راهنمای اصلی: Dr. Yuliya Shapovalova
👨‍🔬 استاد راهنمای همکار: Prof. Tom Heskes

حوزه‌های تخصصی گروه راهنمایی شامل یادگیری ماشین احتمالاتی، تحلیل سری‌های زمانی و هوش مصنوعی است.

⸻

📝 نکات مهم برای نگارش انگیزه‌نامه

در انگیزه‌نامه باید علاوه بر توضیح انگیزه و سوابق علمی، به پرسش‌های زیر پاسخ دهید:

1. برای تولید داده‌های سری زمانی انرژی در یک شبکه فیزیکی، کدام روش مدل‌سازی مولد را به‌عنوان نقطه شروع انتخاب می‌کنید؟ چرا این روش را مناسب می‌دانید و بزرگ‌ترین چالش آن چیست؟
2. یکی از پروژه‌های نرم‌افزاری یا تحلیل داده‌ای را معرفی کنید که به آن افتخار می‌کنید. پروژه چه کاری انجام می‌دهد، چه چالش‌هایی داشته و سهم شخصی شما در اجرای آن چه بوده است؟
3. چکیده‌ای یک‌پاراگرافی از پایان‌نامه کارشناسی ارشد خود بنویسید؛ به‌گونه‌ای که خواننده‌ای خارج از رشته تخصصی شما نیز بتواند موضوع آن را درک کند.

🔹 پاسخ‌ها باید توانایی تحلیل، قدرت استدلال و مشارکت واقعی شما در پروژه‌های علمی یا فنی را نشان دهند.

📌 مخاطب نامه درخواست: Yuliya Shapovalova

مدارک دقیق موردنیاز در فرم درخواست آنلاین دانشگاه مشخص خواهد شد.

⸻

📅 تاریخ اتمام اپلای: ۲۵ اکتبر ۲۰۲۶

📩 اطلاعات تماس

نام: Dr. Yuliya Shapovalova
ایمیل: yuliya.shapovalova@ru.nl

🔗 لینک‌های رسمی و درخواست

🔗 لینک مستقیم اپلای (Apply Now):
https://www.ru.nl/en/working-at/job-opportunities/phd-position-physics-informed-generative-ai-for-synthetic-energy-data

🔗 وب‌سایت رسمی دانشگاه رادبود:
https://www.ru.nl/en

🔗 اطلاعات مربوط به فرایند درخواست و استخدام:
https://www.ru.nl/en/working-at

#بورسیه_فول_فاند #دکتری #هوش_مصنوعی #علوم_کامپیوتر #علم_داده #یادگیری_ماشین #مهندسی_برق

@fullfunded