PhD - Multi-Modal Foundation Models for Earth Observation

EPFL, das Schweizerische Bundesinstitut für Technologie in Lausanne, ist einer der dynamischsten Universitätsstandorte in Europa und gehört zu den 20 besten Universitäten weltweit. Die EPFL beschäftigt mehr als 6.500 Personen, die die drei Hauptmissionen der Institutionen unterstützen: Bildung, Forschung und Innovation. Der EPFL-Campus bietet ein außergewöhnliches Arbeitsumfeld im Herzen einer Gemeinschaft von mehr als 18.500 Menschen, darunter über 14.000 Studierende und 4.000 Forscher aus mehr als 120 verschiedenen Ländern.

Als Doktorand werden Sie das Potenzial von großangelegten Deep-Learning-Modellen, nämlich Foundation Models, zur Gewinnung von Informationen aus multimodalen Erdbeobachtungsdaten (EO) untersuchen. Dies erfordert die Gestaltung und Entwicklung wissenschaftlicher Methoden für:

• EO-orientierte Foundation Models unter Berücksichtigung der heterogenen multisensorischen Natur von Fernerkundungsbildern;
• die Integration der Fortschritte in generischen multimodalen Foundation Models in EO;
• die Anpassung von EO-fokussierten Foundation Models für das Umweltverständnis durch Anwendungsfälle mit Transferlernen.

Diese Bemühungen werden zu einem von der Europäischen Kommission unterstützten Horizon-Projekt beitragen, das viele Partner in ganz Europa umfasst. Das Projekt zielt darauf ab, die Entwicklung generischer multimodaler Foundation Models über verschiedene Datenmodalitäten hinweg voranzutreiben, um viele Aufgaben in verschiedenen Bereichen, einschließlich EO, zu lösen.

Hauptaufgaben und Verantwortlichkeiten:

• Entwicklung von auf Deep Learning basierenden Methoden für die Entwicklung von EO-fokussierten Foundation Models unter Berücksichtigung der hochheterogenen Eigenschaften von Fernerkundungssensoren.
• Integration der Fortschritte in generischen multimodalen Foundation Models in EO.
• Anwendung des Downstream-Transfers von großangelegtem Pretraining auf EO-fokussierte Anwendungsfälle für das Umweltverständnis (z.B. Artenverbreitungsmodellierung, Hochwassermanagement, Landnutzungs- und Landbedeckungsanalyse).
• Verfassen von Publikationen.
• Teilnahme an internationalen Konferenzen, sowohl in der Computer Vision als auch in der Fernerkundung.
• Mitwirkung an den Bildungsaktivitäten der ENAC-Fakultät.

Profil:

• Sie haben einen Masterabschluss in Informatik, Elektrotechnik oder Umwelttechnik oder eine gleichwertige Qualifikation.
• Sie haben Erfahrung in der Fernerkundung, im maschinellen Lernen und in der Computer Vision.
• Sie sind versiert in Python-Programmierung.
• Sie sprechen fließend Englisch.
• Sie sind motiviert, neugierig und bereit, in einem hochdynamischen Team zu arbeiten.

Wir bieten:

• Eine Gelegenheit, eine wissenschaftliche Karriere in einem spannenden Wissenschaftsbereich zu entwickeln.
• Eine einzigartige Möglichkeit, hochmoderne Techniken und Ansätze zu erlernen.
• Exzellente Bildungsbedingungen und wettbewerbsfähige Vergütung.
• Ein multikulturelles und anregendes wissenschaftliches Umfeld am EPFL-Valais-Campus in Sion.

Der Auswahlprozess umfasst mehrere Phasen, und die ausgewählten Kandidaten werden gebeten, sich für ein spezifisches EPFL-Doktoratsprogramm zu bewerben, um sich für eine Promotion an der EPFL zu qualifizieren. Bitte senden Sie die folgenden Bewerbungsunterlagen in einer einzigen PDF-Datei:

• Ein Motivationsschreiben (max. 2 Seiten)
• Ein aktueller Lebenslauf
• Kontaktdaten von 3 Referenzpersonen.
• Scans Ihrer Diplome und Noten von allen akademischen Institutionen der höheren Bildung (außer und nicht einschließlich der Sekundarstufe), die in Ihrem Lebenslauf aufgeführt sind.
• Kopie Ihres Reisepasses oder offiziellen Ausweisdokuments.
• Ein Beispiel Ihrer veröffentlichten Arbeiten (sofern verfügbar), Masterarbeit oder Semesterprojekt.

Ihre Bewerbung wird nur berücksichtigt, wenn diese Dokumente in der oben genannten Reihenfolge in einer einzigen PDF-Datei angehängt sind.

Bewerbungsschluss: 10. Mai 2025

Vertragsbeginn: 1. Juli 2025

Aktivitätsrate: 100.00

Vertragsart: CDD

Dauer: 1 Jahr (Eignungsprüfung) + bis zu 5 Jahre danach

Referenz: 1538