Forskningsingenjör inom EEG-baserad detektion av dold kunskap
Oversigt og nøgleindsigter
Lunds Universitet søger en forskningsingeniør til et projekt, der fokuserer på EEG-baseret detektion af skjult viden med avancerede maskinlæringsmetoder. Stillingen involverer udvikling af realtids EEG-afkodningsmetoder og analyse af neurale data.
Højdepunkter
- Arbejdsplads i en førende forskningsinstitution inden for kognitiv neurovidenskab.
- Mulighed for at arbejde med cutting-edge teknologi inden for EEG og maskinlæring.
- Fokus på at udvikle og evaluere metoder til neurale dataanalyse.
Påkrævede kvalifikationer
- • Doktorgrad i psykologi.
- • Avanceret metodologisk kompetence inden for EEG-analyse og maskinlæring.
- • Dokumenteret erfaring med klassificeringsmetoder på neurale data.
Ønskværdige kvalifikationer
- • Erfaring med realtidsbearbejdning af data.
- • Kendskab til multivariater rammer og moderne tidsseriemodelleringsmetoder.
Den ideale kandidat
Den ideelle kandidat har dybdegående viden om elektrofysiologisk signalbehandling og stærke programmeringsfærdigheder. Vedkommende bør også have en dokumenteret evne til at udføre uafhængig forskning på højt niveau.
Jobdetaljer
Jobbeskrivelse
Om jobbet
Lunds universitet grundades 1666 och rankas återkommande som ett av världens främsta lärosäten. Här finns omkring 46 000 studenter och 8 500 medarbetare i Lund, Helsingborg och Malmö. Vi förenas i vår strävan att förstå, förklara och förbättra vår värld och människors villkor.
Beskrivning av arbetsplatsen
Anställningen är placerad vid Institutionen för psykologi vid Lunds universitet, i en forskningsmiljö med inriktning mot minnets kognitiva neurovetenskap. Gruppen kombinerar elektrofysiologiska metoder med hög tidsupplösning (EEG), eye tracking och avancerade beräkningsmetoder för att undersöka hur information kodas, integreras och hämtas från minnet.
Projektbeskrivning
Den person som anställs kommer att bidra till ett projekt som undersöker neural detektion av dold kunskap med hjälp av EEG och avancerade maskininlärningsmetoder. Projektet fokuserar på att identifiera neurala signaturer för igenkänning och minneshämtning på enskild försöksnivå, med särskild tonvikt på tidsupplöst avkodning och generalisering av kognitiva tillstånd.
En central del av projektet är utvecklingen av realtids- eller nära realtidsbaserade EEG-avkodningsmetoder, där klassificeringsmodeller tränas och uppdateras under pågående datainsamling. Arbetet innefattar att utforma pipelines som integrerar preprocessering, feature extraction och modellträning under tidsmässiga begränsningar, samtidigt som robusthet, generaliserbarhet och tolkningsbarhet säkerställs.
Arbetsuppgifter
Arbetsuppgifterna omfattar bland annat att:
- utforma, genomföra och analysera EEG-experiment relaterade till minne och detektion av dold kunskap
- utveckla och kritiskt utvärdera maskininlärningspipelines för single-trial-avkodning av EEG-data
- analysera tidsupplösta neurala data, exempelvis temporal generalization och cross-condition decoding
- implementera avancerade preprocesseringspipelines, såsom artefaktkorrigering och ICA
- bidra till utvecklingen av realtids- eller nära realtidsbaserade avkodningspipelines, inklusive online-preprocessering, feature extraction och modelluppdatering
- utvärdera avvägningar mellan latens, noggrannhet och generaliserbarhet i onlineklassificering
- genomföra statistiskt rigorösa analyser, exempelvis permutationstester och mixed-effects-modellering
Kvalifikationskrav
Vi söker en kandidat med doktorsexamen i psykologi och dokumenterad avancerad metodologisk kompetens inom EEG-analys och maskininlärning. Kandidaten ska ha en stark meritlista när det gäller att tillämpa och kritiskt utvärdera klassificerings- eller avkodningsmetoder på neurala data eller andra tidsseriedata, inklusive analyser på single-trial-nivå och rigorös modellvalidering.
Den ideala kandidaten kombinerar gedigen kunskap om elektrofysiologisk signalbehandling med stark programmeringskompetens (Python och/eller MATLAB, exempelvis MNE-Python, scikit-learn, FieldTrip eller EEGLAB) samt statistisk kompetens relevant för neuroimagingdata. Erfarenhet av att arbeta bortom traditionella ERP-baserade analyser mot multivariata och tidsupplösta angreppssätt är ett krav.
Särskilt meriterande är erfarenhet av tidsupplöst EEG-avkodning, exempelvis temporal generalization, samt en principiell förståelse för feature construction, dimensionsreduktion och modelltolkbarhet för neurala data. Kännedom om multivariata ramverk, såsom MVPA eller RSA, och/eller moderna metoder för tidsseriemodellering, inklusive deep learning där det är relevant, är en fördel. Erfarenhet av realtidsbearbetning av data, onlineklassificering eller maskininlärningspipelines med låg latens är mycket meriterande, liksom erfarenhet av att utveckla reproducerbara och väl dokumenterade analysarbetsflöden.
Sökande ska även kunna visa förmåga att bedriva självständig forskning på hög nivå, vilket ska styrkas genom relevanta refereegranskade publikationer.
Särskild vikt kommer att läggas vid:
- djup metodologisk kompetens inom EEG och modellering av neurala data
- dokumenterad förmåga att utveckla och utvärdera avkodnings- och klassificeringsmetoder
- vetenskaplig kvalitet, originalitet och relevans i tidigare forskning
- förmåga att arbeta självständigt och bidra till en samarbetsinriktad forskningsmiljö
Villkor
Särskild visstidsanställning på 20 % under 6 månader
Karrierevej
Typisk karriereforløb
Postdoc i kognitiv neurovidenskab
Senior forskningsingeniør
Forskningsleder
Vækstpotentiale
Stillingen tilbyder mulighed for at udvikle avancerede færdigheder inden for EEG-analyseteknikker og maskinlæring, som er eftertragtede i både akademiske og industrielle sammenhænge. Der er også potentiale for at bidrage til banebrydende forskning, der kan føre til nye applikationer inden for neurovidenskab og psykologi.
Overførbare færdigheder
Branchekontekst
Denne stilling er central i den hurtigt voksende sektor for kognitiv neurovidenskab, hvor anvendelsen af avancerede dataanalysemetoder er afgørende. Det er også en del af et tværfagligt felt, der kombinerer psykologi, ingeniørvidenskab og datavidenskab.
Færdighedsanalyse
Kritiske færdigheder
Kandidaten skal have en doktorgrad i psykologi for at kunne bidrage til forskningen.
Dokumenteret avanceret metodologisk kompetens inden for EEG-analyse er nødvendig.
Stærk kompetence i at anvende og evaluere maskininlæringsmodeller på neurale data.
Vigtige færdigheder
Evne til at programmere i Python og/eller MATLAB, herunder brug af relevante biblioteker.
Statistisk kompetence relevant for neuroimaging data, herunder permutationstests.
Ønskværdige færdigheder
Erfaring med analyse af tidsseriedata og single-trial niveau.
Mest kritiske færdigheder
Sådan fremhæver du din erfaring
Fremhæv din doktorgrad og erfaring med EEG-analyse i din CV. Beskriv specifikke projekter, hvor du har anvendt maskinlæring og programmering til at analysere neurale data.
Interviewforberedelse
Sandsynlige spørgsmål
Kan du beskrive din erfaring med EEG-analyse og hvordan du har anvendt det i tidligere projekter?
erfaringTip: Fokuser på specifikke projekter, værktøjer og resultater. Beskriv, hvordan du har løst udfordringer.
Hvordan vil du håndtere datasæt, der indeholder støj og artefakter?
tekniskTip: Diskuter teknikker som ICA og artefaktkorrigering, og hvordan du anvender dem i praksis.
Hvad er dine erfaringer med maskininlæring, især indenfor klassificering af neurale data?
tekniskTip: Giv konkrete eksempler på algoritmer du har anvendt og hvordan du har evalueret dem.
Hvordan sikrer du, at dine modeller er generaliserbare og robuste?
tekniskTip: Tal om valideringsmetoder og hvordan du tester modeller på nye datasæt.
Hvordan arbejder du sammen med andre forskere i et multidisciplinært team?
kulturTip: Giv eksempler på tidligere samarbejder og hvordan du bidrog til teamets succes.
Hvilken rolle spiller tidsoppløsning i dine analyser, og hvordan adresserer du det?
tekniskTip: Diskuter vigtigheden af temporal generalization og hvordan det påvirker dine resultater.
Spørgsmål du kan stille
- Hvilke samarbejdsmuligheder er der inden for institutionen?
- Hvordan måles succes i denne stilling?
- Hvilke udfordringer ser I for projektet i den nærmeste fremtid?
Tale punkter
- Din passion for kognitiv neurovidenskab og hvordan det driver dit arbejde.
- Din tilgang til at holde dig ajour med de nyeste forskningsmetoder inden for EEG og maskinlæring.
- Eksempler på vellykkede projekter, hvor du har anvendt dine færdigheder.
Bekymringspunkter at være opmærksom på
- Manglende erfaring med EEG eller maskininlæring.
- Uklare eller generelle svar uden konkrete eksempler.
Ansøgningsstrategi
Ansøgningstips
- Fremhæv din erfaring med EEG-analyse og maskinlæring i både ansøgning og CV.
- Inkluder specifikke eksempler på projekter, hvor du har anvendt tidsoppløste analyser og maskinlæring.
- Vis din evne til at implementere og evaluere algoritmer ved at inkludere relevante publikationsreferencer.
Nøgleord at inkludere
Fokus i ansøgningen
Fremhæv din doktorgrad i psykologi og din erfaring med EEG og maskinlæring. Beskriv, hvordan du kan bidrage til udviklingen af realtids-EEG-avkodningsmetoder.
Tilpasning af CV
Fokuser på at fremhæve relevante projekter og færdigheder, der relaterer til EEG og maskinlæring. Sørg for at inkludere specifikke programmeringsfærdigheder og metodologiske erfaringer, der er nævnt i jobopslaget.
Ofte stillede spørgsmål
Hvad indebærer stillingen som forskningsingeniør?
Stillingen indebærer at designe og gennemføre EEG-experimenter samt udvikle maskinlæringsmetoder til at detektere skjult viden. Der vil også være fokus på realtidsdataanalyse og implementering af avancerede databehandlingsmetoder.
Hvilke kvalifikationer kræves for at ansøge?
Vi søger en kandidat med en doktorgrad i psykologi samt dokumenteret erfaring med EEG-analyse og maskinlæring. Det er vigtigt at have stærke programmeringsevner i Python eller MATLAB og kompetencer inden for statistisk analyse af neuroimagingdata.
Hvad tilbyder Lunds Universitet i denne stilling?
Lunds Universitet tilbyder et dynamisk forskningsmiljø med adgang til avancerede ressourcer og teknologier. Derudover får du mulighed for at arbejde sammen med førende forskere inden for kognitiv neurovidenskab.
Hvordan er arbejdsmiljøet på Institutionen for psykologi?
Arbejdsmiljøet er præget af samarbejde og innovation, hvor forskere fra forskellige discipliner arbejder sammen for at fremme forståelsen af menneskelig kognition. Der lægges vægt på en åben og inkluderende kultur.
Hvad er forventningerne til den ansatte?
Den ansatte forventes at udføre selvstændig forskning, bidrage til projektets mål og publicere resultater i videnskabelige tidsskrifter. Derudover vil samarbejde med andre forskere og deltagelse i projektrelaterede aktiviteter være en del af arbejdet.
Hvilke arbejdsopgaver vil være en del af stillingen?
Arbejdsopgaverne inkluderer design og analyse af EEG-experimenter, udvikling af maskinlæringspipelines samt implementering af statistiske analyser. Desuden vil der være fokus på at evaluere og optimere databehandlingsmetoder.
Er der muligheder for faglig udvikling i stillingen?
Ja, der er rig mulighed for faglig udvikling gennem deltagelse i workshops, konferencer og samarbejde med eksperter i feltet. Lunds Universitet fremmer kontinuerlig læring og udvikling blandt sine medarbejdere.
Hvilke avancerede metoder vil der blive arbejdet med?
Der vil blive arbejdet med avancerede metoder som tidsopløst afkodning, cross-condition decoding og realtids EEG-dataanalyse. Disse metoder kræver en dybdegående forståelse af både elektrofysiologisk signalbehandling og maskinlæring.