Descrizione posizione

Titolo del progetto di ricerca in italiano	n. 1 posto di RICERCATORE ex art. 24, co. 3, lettera a), L. 240/2010 presso il Dipartimento di Ingegneria dell'Informazione SC 09/F2 - Telecomunicazioni SSD ING-INF/03 - Telecomunicazioni
Titolo del progetto di ricerca in inglese	n. 1 RESEARCH FELLOW according to part. 24, par. 3, let. a), L. 240/2010 at Department of Information Engineering ARD: 09/F2 - Telecommunications AD: ING-INF/03 – Telecommunications
Descrizione sintetica in italiano	Procedura selettiva, ai sensi dell’art. 24, comma 3, lettera a) della Legge 240/2010, per la chiamata di n. 1 ricercatore per il settore concorsuale 09/F2 “Telecomunicazioni ", settore scientifico-disciplinare ING-INF/03 “Telecomunicazioni " presso il Dipartimento di Ingegneria dell'Informazione. Numero massimo di pubblicazioni da presentare a scelta dal candidato: 12 (dodici).
Descrizione sintetica in inglese	Selective procedure for the calling of a Senior Research fellow, according to art. 24, paragraph 3, letter a), of the Law nr. 240/2010, for the Academic Recruiting Discipline 09/F2 “Telecommunications”, Academic Discipline ING-INF/03 “Telecommunications”, at Department of Information Engineering. Maximum number of scientific papers to be submitted: 12 (twelve).
Descrizione del bando in italiano	Titolo del programma di ricerca: Compressione di informazione visiva basata su metodologie di Deep Learning per le Comunicazioni Green Programma di ricerca: L’attività di ricerca va incentrata sulla compressione di dati digitali, quali immagini e video, con particolare attenzione alle nuove metodologie di apprendimento da dati per esplorare le potenzialità di queste nuove soluzioni tecnologiche per significative ricadute in termini di risparmio energetico della comunicazione. Se gli attuali standard di codifica sono stati basati su tecniche di compressione considerate tradizionali (intra-predizione sui blocchetti dell'immagine/video, trasformata lineare a blocchi sui residui e, infine, codifica entropica), negli ultimissimi anni è cresciuta l'attenzione verso tecniche di intelligenza artificiale in grado di sostituire con nuovi potenziali gli algoritmi attualmente in uso. Gli elementi fondamentali sono tipicamente rappresentati da una trasformazione non-lineare, implementata da una rete neurale convoluzionale, che viene ottimizzata in parallelo ad un modello entropico attraverso la minimizzazione di quello che viene definito costo di rate-distortion. Anche la progettazione del modello entropico può avvenire attraverso l'implementazione di reti neurali convoluzionali. L’utilizzo delle tecnologie andrà considerato non solo al diretto risparmio energetico ma anche al fine di determinare quali dati di natura visiva possano meglio sfruttare ed essere utilizzati con le tecnologie ideate per i contesti “green” orientati ad esempio al monitoraggio ambientale o alla visita medica da remoto di pazienti. Sebbene il Dipartimento di Ingegneria dell’Informazione (DII) sarà la principale sede di lavoro del ricercatore, e pertanto le attività svolte rimarranno sinergiche con le tematiche al centro della ricerca del Dipartimento stesso, l’attività di ricerca dovrà prevedere periodi di permanenza presso qualificate istituzione e/o imprese italiane per lo sviluppo dell’architettura di sistema e/o le fasi di sperimentazione.
Descrizione del bando in inglese	Title project Deep Learning Based Visual Information Compression for Green Communications Research Program: The research activity will be centered on the compression of digital data, such as images and videos, with a particular focus on new learning methodologies proposing technical innovation with significant potential benefits in terms of energy saving for visual communications. If current standards have been based on traditional compression techniques (intra-prediction on image / video blocks, linear block transform on residuals and, entropy coding), in the last recent years the attention has been shifting towards artificial intelligence techniques capable of replacing at least in part the traditional framework. Fundamental components typically include a non-linear transform, implemented by means of a convolutional neural network, which is optimized in parallel with an entropy model towards the so called the minimal rate-distortion cost. The design of the entropy model can also be designed thanks to a convolutional neural network. The use of the designed technologies will be considered not only for direct energy saving but also in order to determine which visual data categories can best exploit the proposed framework in "green" contexts, such as environmental monitoring or remote medical examination of patients. Although the Department of Information Engineering (DII) will be the researcher's main place of work, and therefore his/her activities will remain synergic with the themes at the center of the Department's research, the research activity must include periods of stay at qualified Italian institutions and / or companies for the development of the system architecture and / or experimental validation.
Numero posti	1
Campo principale della ricerca	Engineering
Sottocampo della ricerca	Communication engineering
Settore Concorsuale	09/F2 - TELECOMUNICAZIONI
S.S.D	ING-INF/03 - TELECOMUNICAZIONI
Destinatari del bando (of target group)	Early stage researcher or 0-4 yrs (Post graduate)
Commenti/sito web per dettagli aggiuntivi sull'impiego (in italiano)	https://www.unibs.it/it/ateneo/amministrazione/concorsi/procedure-di-reclutamento-del-personale-ricercatore-tempo-determinato-tipo-e-tipo-b
Commenti/sito web per dettagli aggiuntivi sull'impiego (in inglese)	https://www.unibs.it/it/ateneo/amministrazione/concorsi/procedure-di-reclutamento-del-personale-ricercatore-tempo-determinato-tipo-e-tipo-b
Data del bando	15/12/2021

 

FP7 / PEOPLE / Marie Curie Actions

Research Framework Programme / Marie Curie Actions	No

 

Dettagli dell'impiego

Tipo di contratto	Temporary
Tempo	Other
Organizzazione/Ente	Università degli Studi di Brescia
Paese (dove si svolgerà l'attività)	ITALY
Città	Brescia

 

Contatto presso l'Organizzazione/Ente

Organizzazione/Ente	Università degli Studi di Brescia
Tipo	Academic
Paese	ITALY
Città	Brescia
E-mail	docenti-ricercatori@unibs.it
Sito web	http://www.unibs.it

 

Dettagli per la candidatura

Data prevedibile per l'assunzione	31/12/2022
Data di scadenza del bando	13/01/2022
Come candidarsi	https://pica.cineca.it/unibs/dii2021rtda005

 

Titoli di studio richiesti

Laurea	PhD or equivalent
Ambito della laurea	Engineering

 

Lingue richieste

Lingua	ENGLISH
Livello di conoscenza della lingua	Good