Stipendiat i maskinlæring og økologiske problemstillinger

Norsk institutt for naturforskning (NINA, www.nina.no) søker etter en kandidat til en treårig ph.d.-stilling innen maskinlæring og økologiske problemstillinger. Stillingen vil også være knyttet til Institutt for datateknologi og informatikk (IDI), NTNU–Gjøvik, og vil følge ph.d.-utdanningen ved NTNU.

Om NINA
NINA er et uavhengig forskningsinstitutt, organisert som en stiftelse. Vi er det største forskningsinstituttet innen anvendt økologi i Norge, med 285 ansatte. Hovedkontoret ligger i Trondheim, med avdelingskontor i Oslo, Bergen, Lillehammer og Tromsø. Denne stillingens arbeidssted vil være ved NINA Oslo, men den vil ha nært samarbeid med NINA-avdelinger i Trondheim og IDI ved NTNU–Gjøvik.

Innholdet i stillingen
Maskinlæring og dyplæring er metoder som i økende grad blir brukt i økologisk forskning med suksess. Ph.d.-kandidaten skal jobbe med utvikling av metoder relatert til bildebehandling, GIS og fjernmåling, akustikk og lydlandskap og miljø-DNA (eDNA).

Bildebasert gjenkjenning har stort potensiale for å automatisere og forbedre prosesser. Innledende studier ved NINA og NTNU er utført for å identifisere planter samt individer av ørret og salamandere fra bilder. Dette arbeidet er bare et første steg i retning av å utvikle et presist og automatisk system. Ph.d.-kandidaten vil arbeide for å videreutvikle disse metodene.

Google Earth Engine er per i dag den mest avanserte skybaserte prosesseringsplattformen for GIS og fjernanalyse. Vi bruker i økende grad denne plattformen i vår forskning for behandling av stordata, inkludert fjernmåling, klima- og terrengdata. Ph.d.-kandidaten vil utvikle arbeidsflytmetoder for å integrere Google Earth Engine og TensorFlow primært for behandling av fjernmålingsdata, inkludert data fra Copernicus Sentinel-satellitter, ortofoto, LiDAR-datasett og dronebilder.

Overvåking av det akustiske miljøet, eller lydbildet, er raskt i ferd med å bli et sentralt verktøy i økosystemforvaltning av arter. Automatiserte akustiske undersøkelsesmetoder er nødvendige for å kunne klare å oppfylle nye krav om å studere effekter av globale endring på biologisk mangfold. Lav-kostnad akustiske loggere er nå tilgjengelige, noe som baner vei for slike tilnærminger. Likevel mangler vi gode analysemetoder og ph.d.-kandidaten vil jobbe med å utvikle slike ved å bruke maskinlæring og dyplæring.

Miljø-DNA revolusjonerer overvåkning av biologisk mangfold, og den teknologiske utviklingen av DNA-metabarkoding produserer taksonomiske data med høy oppløsning i en enestående skala. I denne delen vil maskinlæring bli brukt til klassifisering av økologisk tilstand i forhold til forskjellige stressfaktorer som klimaendringer og menneskeskapte effekter, basert på storskala taksonomiske miljø-DNA-data.

Det kan også bli aktuelt med et utenlandsopphold på 3–6 måneder i løpet av ph.d.-perioden.

Kvalifikasjoner
Vi søker etter en kandidat som fyller disse kvalifikasjonene:
• har gjennomført master eller tilsvarende innen IT, maskinlæring, biologi, økologi, GIS, fjernanalyse eller beslektede emner med karakter B eller bedre, i henhold til NTNUs karakterskala. Søkere uten standard karaktergradering kan vurderes dersom de kan dokumentere tilsvarende faglig bakgrunn og kompetanse
• har grunnleggende kunnskap innen IT, maskinlæring og fortrinnsvis erfaring med bruk av GIS/fjernanalyse
• har god kjennskap til økologiske problemstillinger
• behersker engelsk muntlig og skriftlig, og det er en fordel om søkeren kan kommunisere på et skandinavisk språk

Vi tilbyr
• arbeidsplass i et av Europas fremste miljøinstitutter
• lønn som stipendiat i NINA (lønnstrinn 54-57, NOK 479 600-504 700) 
• fleksitidsordning
• god pensjonsordning og gruppelivsforsikring
• et trivelig, kreativt og spennende arbeidsmiljø i gode lokaler

Spørsmål knyttet til stillingen rettes til seniorforsker Vegar Bakkestuen (vegar.bakkestuen@nina.no, +47 934 66 787) eller til forskningssjef Kristin Thorsrud Teien (kristin.teien@nina.no, +47 930 06 805).

Om søknaden
Søknaden bør inneholde en beskrivelse av hvorfor du søker på stillingen, samt en kort oppsummering av relevant utdanning og arbeidserfaring. Søknaden skal videre inneholde
• CV med utdanning, arbeidserfaring og oversikt over eventuelle publikasjoner
• vitnemål og attester
• kontaktinformasjon for 2–3 referanser

Søknaden sendes på e-post til siri.svendsen@nina.no. Utvalgte kandidater vil bli innkalt til intervju.

NINA arbeider aktivt for å rekruttere kvinner, og kvinner oppfordres derfor til å søke.

Søknadsfrist er 30. august 2020. Tiltredelse senest november–desember 2020.