Oferty pracy w projektach finansowanych przez NCN

Nazwa jednostki: Politechnika Poznańska, Wydział Informatyki i Telekomunikacji / Poznań University of Technology, Faculty of Computing and Telecommunications – Poznań, Inne oferty z tego miasta »
Nazwa stanowiska: Post Doc
Wymagania:

1. Stopień doktora uzyskany1 nie wcześniej niż 1 stycznia 2018 r. w jednej z następujących dyscyplin naukowych: informatyka, informatyka techniczna i telekomunikacja, ekonomia i finanse, nauki o zarządzaniu i jakości lub matematyka.
(Okres ten może być przedłużony o czas przebywania w tym okresie na długoterminowych (powyżej 90 dni)
udokumentowanych zasiłkach chorobowych lub świadczeniach rehabilitacyjnych w związku z niezdolnością do pracy.
Dodatkowo okres ten można przedłużyć o liczbę miesięcy przebywania na urlopach związanych z opieką i wychowaniem
dzieci udzielanych na zasadach określonych w Kodeksie pracy, a w przypadku kobiet zamierzających przystąpić do
konkursu – o 18 miesięcy za każde urodzone bądź przysposobione dziecko, jeżeli taki sposób wskazania przerw w
karierze naukowej jest bardziej korzystny)
2. Doktorat został uzyskany w innym podmiocie niż Politechnika Poznańska, lub osoba odbyła co najmniej 10-miesięczny, ciągły i udokumentowany staż podoktorski w podmiocie innym niż Politechnika Poznańska oraz w kraju innym niż kraj uzyskania stopnia doktora.
3. Wiedza z zakresu badań operacyjnych i sztucznej inteligencji, w szczególności na temat inteligentnych systemów wspomagania decyzji.
4. Znajomość podstawowych języków programowania (Python, Java).
5. Predyspozycje do prowadzenia badań naukowych udokumentowane publikacjami w zakresie
wymaganej wiedzy.
6. Co najmniej dobra znajomość języka angielskiego w mowie i piśmie.
7. Dyspozycyjność, chęć samodoskonalenia, silna motywacja do pracy naukowej, kreatywność w rozwiązywaniu problemów, samodzielność, rzetelność, umiejętność pracy w zespole.
___

1. A Ph.D. degree obtained not earlier than January 1st, 2018, in one of the following scientific disciplines: computer science, econometrics, management, or mathematics.
(This period may be extended by the time spent during this period on long-term (over 90 days) documented
sick leave or rehabilitation benefits due to incapacity for work. Additionally, this period can be extended by the
number of months spent on leave related to childcare and upbringing granted according to the principles set out
in the Labor Code. In the case of women intending to participate in the competition, it can be extended by 18
months for each born or adopted child, if this method of indicating career breaks is more beneficial)
2. The Ph.D. degree should have been obtained from an institution other than the Poznan University of Technology, or the candidate has completed at least a 10-month continuous and documented postdoctoral fellowship at an institution other than the Poznan University of Technology and in a country other than the country of obtaining the Ph.D. degree.
3. Basic knowledge of operational research and artificial intelligence, particularly in intelligent decision support systems.
4. Familiarity with basic programming languages (Python, Java).
5. Documented research experience with publications in the required knowledge area.
6. At least a good command of English in both speech and writing.
7. Attributes such as availability, willingness for self-development, strong motivation for research work, creativity in problem-solving, independence, reliability, and teamwork skills.

Opis zadań:

Oferujemy:
• Pracę w prestiżowym, interdyscyplinarnym i pionierskim projekcie MAESTRO pod kierownictwem doświadczonego naukowca, prof. dr hab. inż. Romana Słowińskiego
(https://fcds.cs.put.poznan.pl/IDSS/rslowinski/cv.htm).
• Pracę w międzynarodowym zespole, we współpracy z Uniwersytetem w Katanii, połączoną z pobytami w tym ośrodku.
• Uczestnictwo w konferencjach naukowych w kraju i za granicą w celu zaprezentowania wyników projektu.
Opis zadań:
Praca w ramach interdyscyplinarnego i pionierskiego projektu „Inteligentne wspomaganie decyzji oparte na wyjaśniającej analityce danych preferencyjnych” pod kierownictwem prof. dr hab. inż. Romana Słowińskiego. Celem jest opracowanie nowatorskich algorytmów i przeprowadzenie eksperymentów obliczeniowych zakończonych publikacjami w wiodących czasopismach naukowych.
Praca post-doca koncentrować się będzie w szczególności na następujących tematach:
1. Proces osiągania konsensusu w grupowym podejmowaniu decyzji z udziałem wyjaśniających modeli preferencji decydentów.
2. Udoskonalone algorytmy indukcji reguł decyzyjnych i konstrukcji zespołów klasyfikatorów składających się ze zróżnicowanych zbiorów reguł decyzyjnych.
Ad. 1. Wobec faktu, że wiele wcześniejszych badań dotyczących grupowego podejmowania decyzji
nie poświęcało wystarczającej uwagi indywidualnemu udziałowi i satysfakcji decydentów w procesie podejmowania decyzji, zaproponowaliśmy w [Y. Zhao, Z. Gong, G. Wei, R. Słowiński, Consensus modeling with interactive utility and partial preorder of decision-makers, involving fairness and tolerant behavior. Information Sciences, 638 (2023) 118933, https://doi.org/10.1016/j.ins.2023.118933] nowy rodzaj modeli konsensusu w celu optymalizacji użyteczności grupowej.
Interesującym rozwinięciem tego badania będzie zastosowanie odpornej regresji porządkowej do określenia reprezentatywnej kolektywnej funkcji użyteczności na podstawie informacji
preferencyjnych odzwierciedlających systemy wartości indywidualnych decydentów. Innym sposobem określenia reprezentatywnego kolektywnego modelu preferencji będzie agregacja indywidualnych preferencji decydentów wyrażonych przez reguły decyzyjne typu „jeżeli…, to…”. Jest
to zgodne z wyjaśniającą analityką danych preferencyjnych. Wówczas, informacje preferencyjne wszystkich decydentów dostarczone w formie porównań parami lub klasyfikacji niektórych alternatyw referencyjnych będą wykorzystywane przez Dominance-based Rough Set Approach do uzyskania kolektywnego regułowego modelu preferencji, który interaktywnie pokieruje procesem osiągania konsensusu.
Ad. 2. Wszystkie zadania projektu opierają się na reprezentacji preferencji w postaci reguł decyzyjnych typu „jeżeli…, to…”. Metodologia indukcji reguł z danych porządkowych wykorzystuje Dominance-based Rough Set Approach. Metodologia ta została opisana w [M. Szeląg, R. Słowiński,
Explaining and predicting customer churn by monotonic rules induced from ordinal data.
European Journal of Operational Research, 317 (2024) no.2, 414-424. https://doi.org/10.1016/
j.ejor.2023.09.028]. Kolejnym tematem wartym zbadania jest konstrukcja zespołów klasyfikatorów składających się ze zróżnicowanych klasyfikatorów podstawowych. Klasyfikatory podstawowe będą zestawami reguł decyzyjnych uzyskanych za pomocą algorytmów opracowanych w ramach tego zadania. Metoda znajdowania zróżnicowanych klasyfikatorów podstawowych została wstępnie scharakteryzowana w [J. Błaszczyński, B. Prusak, R. Słowiński: Multi-objective search for comprehensible rule ensembles. In: V. Flores et al. (eds.): IJCRS 2016, LNAI 9920, Springer, Berlin,2016, pp. 503-513, https://doi.org/10.1007/978-3-319-47160-0_46].
___

We offer:
• The opportunity to work on a prestigious, interdisciplinary, and pioneering MAESTRO project led by an experienced scientist, Prof. Roman Słowiński (https://fcds.cs.put.poznan.pl/IDSS/rslowinski/cv_en.htm).
• Work within an international team, in collaboration with the University of Catania, including visits to this institution.
• Participation in scientific conferences both domestically and abroad to present the project results.
Job description:
The position involves participation in an interdisciplinary and pioneering project, “Intelligent Decision Support Based on Explanatory Analytics of Preference Data” led by Professor Roman Słowiński. The objective is to develop innovative algorithms and conduct computational experiments resulting in
publications in leading scientific journals. Key focus areas include:
1. Consensus Reaching Process in Group Decision-Making with explanatory models of decision-makers’ preferences.
2. Enhanced Algorithms for Decision Rule Induction and Classifier Ensemble Construction composed of diverse sets of decision rules.
Ad. 1. Based on the observation that many previous studies on group decision -making did not pay enough attention to individual participation and satisfaction of DMs in the decision -
making process, we proposed in [Y. Zhao, Z. Gong, G. W ei, R. Słowiński, Consensus modeling with interactive utility and partial preorder of decision -makers, involving fairness
and tolerant behavior. Informatio n Sciences, 638 (2023) 118933, https://doi.org/10.1016/j.ins.2023.118933] a new kind of consensus models for group utility optimization. An interesting follow-up of this study would consist in the application of robust ordinal regression for determining a representative collective utility function based on preference
information reflecting the value systems of individual DMs.
Another way of determining a representative collective preference model would be possible if individual preferences of DMs would be represented by “if…, then…” decision rules. It would be consistent with explainable preference analytics. Then, the preference information of all DMs provided in terms of pairwise comparisons or classifications of some reference alternatives would be used by Dominance-based Rough Set Approach to induce a collective rule preference model guiding interactively the consensus-reaching process.
Ad. 2. All tasks of the project are based on representation of preferences in terms of “if…, then…” decision rules. The methodology of rule induction from ordinal data employs Dominance-based Rough Set Approach. The methodology has been described in [M. Szeląg, R. Słowiński, Explaining and predicting customer churn by monotonic rules induced from ordinal data. European Journal of Operational Research, 317 (2024) no.2, 414-424. https://doi.org/10.1016/
j.ejor.2023.09.028]. Another topic of decision rule induction that is worth investigation is construction of ensemble classifiers composed of diversified basic classifiers. The basic classifiers would be sets of “if…, then…” decision rules obtained by algorithms developed within this task. The method for finding diversified basic classifiers would rely on preliminary results obtained in [J. Błaszczyński, B. Prusak, R. Słowiński: Multi-objective search for comprehensible rule ensembles. In: V. Flores et al.(eds.): IJCRS 2016, LNAI 920, Springer, Berlin, 2016, pp. 503-513, https://doi.org/10.1007/978-3-
319-47160-0_46]

Typ konkursu NCN: MAESTRO – HS
Termin składania ofert: 15 grudnia 2024, 23:59
Forma składania ofert: email
Warunki zatrudnienia:

Czas trwania: 12 miesięcy z możliwością przedłużenia
(W okresie pobierania tego wynagrodzenia post-doc nie będzie pobierać wynagrodzenia u innego pracodawcy na podstawie umowy o pracę, w tym również u pracodawcy z siedzibą poza terytorium Polski, ani też innego wynagrodzenia ze środków przyznanych w ramach kosztów bezpośrednich z projektów badawczych finansowanych w ramach konkursów NCN.)
Forma zatrudnienia: umowa o pracę
Wysokość finansowania: wynagrodzenie w wysokości 8 660 PLN/miesiąc.
Rozpoczęcie od I kwartał 2025 r.
___

Employment conditions:
Duration: 12 months, with the possibility of extension
Employment form: employment contract
(During the period of receiving this salary, the post-doc will not receive a salary from another employer based on an employment contract, including an employer based outside the territory of Poland, nor any other remuneration from funds granted as direct costs of research projects financed within the framework of NCN competitions)
Funding amount: salary of PLN 8,660 per month
Start date: Q1 2025

Dodatkowe informacje:

Kandydaci proszeni są o przesłanie aplikacji składającej się z:
1. CV z listem motywacyjnym.
2. Dyplom stopnia doktora i charakterystyka obronionej rozprawy doktorskiej.
3. Spis publikacji i kopie co najwyżej 3 najlepszych.
4. Imię, nazwisko, funkcja i adres mailowy osoby mogącej udzielić referencji.
5. Oświadczenie o znajomości lub certyfikat języka angielskiego.
6. Oświadczenie o znajomości języków programowania.
7. Oświadczenie o wyrażeniu zgody na przetwarzanie danych osobowych do celów rekrutacji o następującej treści: „Wyrażam zgodę na przetwarzanie moich danych osobowych zawartych w dokumentach aplikacyjnych przez Politechnikę Poznańską z siedzibą w Poznaniu w celu
przeprowadzenia obecnego postępowania rekrutacyjnego”.
Osoby zainteresowane proszone są o przesłanie stosownych dokumentów na adres e-mail:
roman.slowinski@put.poznan.pl do dnia 15 grudnia 2024 r.
Termin rozstrzygnięcia konkursu: 30 grudnia 2024 r.
___

Candidates are requested to submit an application consisting of:
1. CV with a cover letter.
2. Ph.D. diploma and a description of the defended doctoral dissertation.
3. List of publications and copies of up to 3 of the best ones.
4. Name, surname, position, and email address of a person who can provide a reference.
5. Statement or certificate of English proficiency.
6. Statement of programming language proficiency.
7. Statement of consent for the processing of personal data for recruitment purposes with the following content: "I consent to the processing of my personal data contained in the application documents by the Poznań University of Technology, located in Poznań, for the purpose of conducting the current recruitment process."
Interested candidates should send the required documents to roman.slowinski@put.poznan.pl
by December 15, 2024.
Competition outcome date: December 30, 2024.

Data dodania ogłoszenia: 2024-10-30 14:44:14