Función: AYUDANTE DE INVESTIGACIÓN en proyecto "Estudio y Desarrollo de Funciones Núcleo usando Polinomios Ortogonales y su Aplicación en Análisis de Datos" en el Dpto. de Física y Matemáticas en UAH. Análisis de datos para ML y QML y desarrollo de Tesis Doctoral.- Empresa: Universidad de Alcalá- Nº de Plazas: 1- Referencia: PEJ-2023-AI/COM-28493- Publicada el 13/2/2024- Publicada hasta el 07/3/2024- Tipo de Contrato: YEI Ayudantes de investigación- Dedicación: Jornada completa- Remuneración Bruta (euros/año): 23000- Localidad: MADRID- Provincia: Madrid- Disponibilidad para viajar: Si, Internacional- Fecha de Incorporación: 01/04/2024- Fecha de Finalización: 2 años- Enlace URL: euraxess.ec.europa.eu/jobs/179906- Nível AcadémicoMaster- Titulación AcadémicaFísica (Titulación Universitaria)Matemáticas (Titulación Universitaria)- Áreas tecnológicasL- FísicaR- Matemáticas- IdiomasIdioma: InglésNível Lectura: AltoNível Escrito: AltoNível Conversación: Alto- Conocimientos de Informática- Se valorará el conocimiento en Wolfram Mathematica, Matlab, Python y, sobre todo, en los lenguajes específicos de la computación cuántica como Qiskit, Pennylane, IBM Quantum Composer, entre otros.- Experiência- Otros- Estamos buscando un AYUDANTE DE INVESTIGACIÓN para el proyecto de código PEJ-2023-AI/COM-28493, y de Título: "Estudio y Desarrollo de Funciones Núcleo utilizando Polinomios Ortogonales y su Aplicación en el Análisis de Datos" en el Grupo AnFAO (Análisis Funcional: teoría asintótica y ortogonalidad ), dentro del Departamento de Física y Matemáticas en la Universidad de Alcalá (UAH). El AI colaborará directamente con el Investigador Principal, enfocándose en el análisis de datos, el desarrollo de CDKernels para ML y QML, y la publicación de resultados en revistas indexadas en JCR.Objetivos de la actividad: -Carrera de investigación: Iniciar y desarrollar una carrera de investigación en ML, QML y Aprendizaje Estadístico, con la posibilidad de comenzar una Tesis Doctoral. -Análisis Exploratorio de Datos: Realizar un análisis de datos exhaustivo para su implementación en técnicas de ML y QML. -Desarrollo de CDKernels: Construir núcleos Christoffel-Darboux para un deep learning. -Evaluación y Comparación de Algoritmos: Evaluar y comparar algoritmos de aprendizaje en ML y QML, interpretando críticamente los resultados. -Colaboración y Publicación Científica: Trabajar con otros investigadores, redactar y publicar artículos científicos en revistas especializadas. -Colaboración Externa: Establecer conexiones con universidades, instituciones y empresas interesadas en desarrollar técnicas de análisis de datos.Requisitos: -Es esencial tener un amplio conocimiento previo en computación cuántica. -Se valorará haber completado un máster en computación cuántica. -Se apreciará expresar interés en iniciar una Tesis Doctoral en el tema de investigación. -Se valorará mucho la programación en R, Matlab, Python y IBM Quantum Composer. -Preparación de informes científicos.Plan de formación: Participación en talleres, seminarios, reuniones regulares con el tutor y el Grupo AnFAO (Análisis Funcional: teoría asintótica y ortogonalidad), y presentaciones en seminarios dentro del Departamento de Física y Matemáticas de la Universidad de Alcalá.Research Assistant in Quantum Machine Learning and Quantum Computing | EURAXESS (europa.eu)
