Deadline: 3 apr 2020
English version below.
--------------------------
Assegno di ricerca 1 anno + 1 anno, settori di interesse MAT03, MAT06 e INF01.
Bando: http://www.albo-pretorio.it/albo/archivio4_atto_0_356914_0_3.html
Scadenza: 3 aprile 2020.
Persona di contatto: Maurizio Parton.
È stato pubblicato il bando per un assegno di ricerca di un anno, rinnovabile, a tema Deep Reinforcement Learning (DRL), con sede Pescara. Richiesta laurea magistrale o equivalenti.
Si cerca un candidato in grado di inserirsi in un gruppo di ricerca su problemi di varia natura.
-) Problemi teorici. Ad esempio, ci sono vari algoritmi in DRL che sono molto usati perché funzionano bene, ma dei quali non si hanno ancora risultati teorici di convergenza o ottimalità. Competenze utili: probabilità, geometria.
-) Problemi sperimentali. Ad esempio, estendere algoritmi tipicamente usati in giochi a due giocatori e informazione perfetta a giochi a più giocatori con informazione imperfetta. Competenze utili: algoritmi, teoria dei giochi, Python e TensorFlow o framework affini.
-) Problemi applicati. Ad esempio, applicazioni nel mondo della finanza, che ben si presta a essere affrontata tramite DRL grazie alla grande quantità di dati a disposizione in questo settore. Competenze utili: probabilità, finanza.
Seppur utile, una conoscenza di Deep Learning o Reinforcement Learning non è indispensabile, in quanto è prevista una prima fase di formazione e inserimento nel gruppo di ricerca.
Per maggiori informazioni scrivere a parton@unich.it.
--------------------------
English version
Research fellowship 1 year + 1 year (called "assegno di ricerca" in Italian).
Apply at: http://www.albo-pretorio.it/albo/archivio4_atto_0_356914_0_3.html
Deadline: 3 April 2020.
Contact person: Maurizio Parton.
University of Pescara is opening a one-year position extendable to one more year, for research on Deep Reinforcement Learning (DRL).
Applicants must have a master degree in computer science or mathematics, but are not requested to have previous expertise in Deep Learning and Reinforcement Learning, since a training period is foreseen. Knowledge of probability or geometry or finance or computer science, and expertise in Python or TensorFlow or similar frameworks are preferred.
The research team is active on a wide range of topics.
-) Theoretical problems. For instance, convergence or optimality for DRL algorithms.
-) Experimental problems. For instance, extension of algorithms for two-players perfect information games to multi-player settings with imperfect information.
-) Applied problems. For instance, applications to finance.
For additional information, don't hesitate to contact parton@unich.it.