Machine Learning Scientist (AI-based Weather Forecasting) — ETH Zürich

Vollständige Beschreibung

chevron left Übersicht chevron left Übersicht Machine Learning Scientist (AI-based Weather Forecasting) 100%, Locarno, befristete Drucken Aktuelle Fortschritte in der AI-basierten Wettervorhersage haben bemerkenswerte Fähigkeiten und rechnerische Effizienz gezeigt. Die meisten aktuellen maschinenlernenden Wetterprognosen (MLWP)-Systeme stützen sich jedoch vor allem auf NWP-Analysen zur Initialisierung und nutzen nur teilweise den Reichtum an verfügbaren Satellitenbeobachtungen. Mit dem Aufkommen der Meteosat Third Generation (MTG) bieten neue hochfrequente und hochauflösende Messungen von Wolken, Feuchtigkeit, Temperatur und Blitzaktivität beispiellose Möglichkeiten zur deutlichen Verbesserung der regionalen Prognosen. Projekthintergrund Im Rahmen eines von EUMETSAT unterstützten Forschungsstipendiums fördern wir die Integration geostationärer Satellitenbeobachtungen in ein regionales MLWP-System der nächsten Generation. Das Projekt baut auf einem bestehenden, auf MeteoSwiss entwickelten, kurvenbasierten regionalen Prognosemodell auf und ist in den von ECMWF initiierten Rahmen von Anemoi eingebettet. Ziel ist es, neuartige Multi-Encoder-Decoder-Architekturen zu entwickeln und auszuwerten, die verschiedene Satellitendatenströme (z.B. Strahlungen, Cloud-Produkte, Blitzbeobachtungen, hyperspektrale Geräusche) aufnehmen und in hochfrequente Prognosezyklen mit Vorlaufzeiten von kurz- bis 10 Tagen einbinden können. Die Arbeit wird in enger Zusammenarbeit mit nationalen und internationalen Partnern durchgeführt und trägt direkt zur künftigen operativen Nutzung der MTG-Daten bei. Jobbeschreibung Wir suchen einen wissenschaftlichen Programmierer / Software-Entwickler, der sich unserem motivierten und interdisziplinären Team anschließt.

• Entwicklung und Umsetzung von maschinenlernenden Modellarchitekturen, die die direkte Aufnahme von Satellitendaten der nächsten Generation (z.B. MTG FCI, LI, IRS) in hochmoderne regionale Prognosemodelle in Anemoi ermöglichen Wir schätzen Menschen, die es genießen, komplexe Probleme zu lösen, über Disziplinen zu kooperieren und über verschiedene Stufen des Workflows beizutragen, wenn das System reift. Dies ist ein befristeter Vertrag von 1 Jahr, mit der Möglichkeit einer Verlängerung von bis zu 2 Jahren. Der Hauptarbeitsplatz befindet sich am MeteoSwiss Locarno-Monti mit regelmäßigen Besuchen in Zürich. Die Vergütung wird nach dem Gehaltssystem der ETH Zürich erfolgen. Profil Wir begrüßen Anwendungen von Kandidaten mit unterschiedlichen Hintergründen, die die meisten (nicht unbedingt alle) der folgenden Kriterien erfüllen:
• PhD in Informatik, Datenwissenschaft, Naturwissenschaften (z.B. Physik, Meteorologie) oder ein verwandten Bereich.
• Erfahrungen mit Satellitendaten (z.B. geostationäre Beobachtungen, Strahlungen, Retrieval-Produkte)
• Starke Programmierkenntnisse in Python
• Erfahrungen im maschinellen Lernen, ideal einschließlich tiefgreifender Lernarchitekturen wie Graph-Neural-Netzwerke, Transformatoren oder Spatio-Temporal-Modelle
• Erfahrungen mit leistungsstarken oder verteilten Computer-Umgebungen
• Gutes Verständnis von Wetter