PhD on Conditional Generative Modelling of Local High-Impact Events under Structured Scenarios — Universität Bern

Descrizione completa

UniBE è ambizioso. Con noi, si offre le migliori prestazioni e testare le vostre abilità contro il meglio.

Ricerca e ambiente collaborativo

Lo studente di dottorato sarà ospitato presso l'Istituto di Statistica Matematica e Scienza Attuariale (IMSV) dell'Università di Berna, unendo il gruppo di Statistiche di Uncertainty e Spatial guidato dal Prof. David Ginsbourger. IMSV è un istituto attivo e aperto dove le statistiche matematiche e la teoria delle probabilità incontrano dati e modelli derivanti da varie sfide scientifiche e sociali. La posizione è parte del programma NCCR CLIM+ su Climate Extremes and Society, finanziato dalla Swiss National Science Foundation (SNSF). Più specificamente, il progetto PhD contribuirà al pacchetto di lavoro “Rischi Locali: Impatti e Adattamento” e coinvolgerà la partecipazione a compiti che riguardano temi come la decrescita e la debiazione dei dati di input per modelli idrologici. Sono previste interazioni regolari e potenziali collaborazioni con i team di Prof. Manuela Brunner (ETH Zurich, WSL), Dr. Christian Grams (MeteoSwiss), Prof. Michael Lehning (EPFL Valais Wallis, WSL), e Prof. Olivia Romppainen-Martius (Università di Berna). Il NCCR CLIM+ sostiene la Svizzera nella trasformazione verso una società responsabile del clima. Insieme con le parti interessate, la comunità interdisciplinare di ricerca NCCR CLIM+ affronta spazi di soluzione inesplorati alla crisi del clima e sviluppa un progetto per la ricerca a livello mondiale. NCCR CLIM+ comunica e condivide la conoscenza, e forma una nuova generazione di esperti con il dominio necessario e la conoscenza transdisciplinare. Il NCCR CLIM+ si sforza di implementare pari opportunità nell'assunzione. A NCCR CLIM+ crediamo che la diversità di pensiero, background ed esperienza crei una migliore ricerca

Profilo del candidato

• Un grado MSc nelle statistiche o un campo strettamente correlato con forte background matematico
• Forte capacità di programmazione (idealmente in Python e/o R)
• Conoscenza e esperienza idealmente pratica dell'apprendimento automatico generativo
• Esperienza nel lavoro con grandi dataset, idealmente idrologico, meteorologica o osservazioni climatiche/simulazioni
• Molto buone capacità di comunicazione orale e scritta in inglese
• Motivazione a lavorare in un ambiente di lavoro interdisciplinare e internazionale e in una mentalità collaborativa

reputazione internazionale Applicazione e contatto Non vediamo l'ora di ricevere la tua applicazione online con i seguenti elementi:

• il tuo CV,
• una lettera di copertura,
• certificati di diploma e trascrizioni,
• un link alla tua tesi MSc (disegno o versione finale),
• e le informazioni di contatto di due riferimenti professionali.

Le domande presentate entro il 1 ° ottobre 2026 (inclusive) sono garantite piena considerazione.

Informazioni sul progetto

Invitiamo le applicazioni per una posizione di dottorato in Statistica concentrandosi sulla modellazione generativa condizionale di eventi locali ad alto impatto in un clima in evoluzione. I modelli generativi sono sempre più utilizzati nelle previsioni meteorologiche e nella ricerca climatica, in particolare per ridurre le previsioni globali e le proiezioni a scala locale. Il loro utilizzo per lo studio di futuri eventi ad alto impatto solleva sfide statistiche e computazionali fondamentali, tra cui l'integrazione di fonti di dati eterogenee, il condizionamento su informazioni complesse e la generalizzazione alle condizioni climatiche oltre quelle rappresentate nei dati di formazione. In questo progetto PhD, studieremo gli approcci esistenti e svilupperemo nuovi metodi di modellazione generativa condizionale per studiare gli eventi futuri ad alto impatto su scala locale sotto gli scenari di condizionamento prescritti e strutturati. Questi possono includere storie dinamiche su larga scala e regimi di evento-prone. Il progetto affronterà le questioni metodologiche nella generazione condizionale, la rappresentazione e l'integrazione delle informazioni di condizionamento, e la generazione di risultati locali plausibili in condizioni di cambiamento e di clima potenzialmente senza precedenti. Ricerca e ambiente collaborativo

Profilo del candidato

Maggiori informazioni Lavoro-Abo Processo di applicazione

I tuoi vantaggi

Forte infrastruttura di ricerca e rete internazionale Ambiente collaborativo e team ambizioso Supporto professionale individuale Altri vantaggi

Lavorare all'Università di Berna

L'Università di Berna non solo offre compiti entusiasmanti ma anche un ambiente che promuove attivamente lo sviluppo, la diversità e le pari opportunità. Scopri cosa ci fa stare fuori come un datore di lavoro e come si può crescere con noi. Pagina della carriera Posizioni aperte