官网 瓦赫宁根大学
职位描述
我们正在寻找一名有抱负的博士生，为塞内加尔可持续的、市场驱动的、非开发性的小农农业开发现代因果机器学习方法。因果推理是一个新兴课题，有助于理解和解决农业领域复杂的现实问题。目前，因果机器学习研究通常考虑的是数据丰富地区的大面积区域、遥感数据和密集型农业系统。关于如何利用因果模型为小农户的决策提供信息，这方面的证据还很少，因为小农户的特点是超本地化的实践和影响，数据集稀疏、嘈杂。这项博士研究的目的是深入研究因果机器学习方法及其在数据稀少、异构的非洲小农农业系统中的应用。您将与塞内加尔水稻价值链中的利益相关者合作，分析跨越数百个小农农场和达加纳与波多尔之间数年集约化梯度的大量农场级纵向观测数据。该项目是粮食安全情报跨学科计划的一部分，由一组博士研究人员合作开展不同的案例研究，重点是利用数据应对粮食安全挑战。这项工作将以方法论为重点，目标是改进对塞内加尔整个粮食价值链中农民决策影响的评估。您将与塞内加尔的马诺比非洲公司以及国际半干旱热带作物研究所（ICRISAT）的科学家密切合作。您将加入瓦赫宁根大学新成立的人工智能（AIN）小组，该小组致力于推进人工智能方法，以负责任的方式应对全球挑战。人工智能小组拥有三名教师和 20 多名博士后和博士，是一个新兴的人工智能研究人员团体，旨在与环境、社会和生命科学领域的专家密切合作，推进人工智能方法并开展受使用启发的应用研究。您将接受 Ioannis Athanasiadis 博士（瓦赫宁根大学）和 Pierre Traore 博士（ICRISAT）的共同指导。
offer要求 [offer requirements]
作为一名理想的候选人，你应该是一名充满好奇心、富有创造力的科学家和问题解决者，有兴趣探索和拓展现代人工智能方法的潜力，以解决相关的社会问题。具体来说，你应该具备人工智能、计算机科学、应用数学、统计学、环境或农业科学、遥感或类似相关领域的理学硕士学位；具有应用机器学习方面的经验，最好是因果关系方法或农业应用方面的经验；熟练使用 Python 编程，并具有使用 pytorch、scikit-learn 或相关现代机器学习库的经验；具有处理来自多个结构化和非结构化来源的大数据的经验；深刻理解机器学习原理和概念；积极主动，具有自我驱动的好奇心，热衷于在一个高度活跃的跨学科和多文化团队中为实现共同目标而工作；从低收入角度解决全球粮食安全问题的强烈动机；有在中低收入国家，特别是塞内加尔工作或生活的经验者优先；就本职位而言，您的英语水平应达到 C1 级。有时需要提交国际认可的英语水平证书。更多信息请点击此处。应聘者应满足瑞士联邦理工大学PE
offer福利 [offer benefits]
您将加入瓦赫宁根大学新成立的人工智能（AIN）小组，该小组致力于推进人工智能方法，以负责任的方式应对全球挑战。人工智能小组拥有三名教师和 20 多名博士后和博士，是一个新兴的人工智能研究人员团体，旨在与环境、社会和生命科学领域的专家密切合作，推进人工智能方法并开展受使用启发的应用研究。
要申请此工作 请将您的详细情况发送到以下邮箱 study@wur.nl