Postdoktorand/in im Bereich Data Science und prädiktive Modellierung für Kartoffelanbausysteme

Diesen Beitrag können Sie leisten

• Entwicklung von Machine-Learning-Modellen und statistischen Modellen zur Vorhersage des Virusinfektionsrisikos in der Schweizer Pflanzkartoffelproduktion sowie von Modellen zur Vorhersage der Kartoffelruhe und zum Keimen unter verschiedenen Lagerbedingungen
• Integration von agronomischen, klimatischen, physiologischen und zertifizierungsrelevanten Datensätzen aus einem Zeitraum von mehr als 30 Jahren
• Vergleich, Validierung und Optimierung von Prognosemodellen basierend auf unabhängigen Datensätzen und Beobachtungen aus der Praxis
• Entwicklung von Entscheidungshilfetools und Beitrag zur Implementierung innerhalb von Agrometeo+ und anderen digitalen Plattformen
• Veröffentlichung von wissenschaftlichen Artikeln, Präsentation der Ergebnisse an internationalen Konferenzen und Verfassen von Forschungsanträgen
• Arbeit in einem multidisziplinären Team und allfällige Betreuung von Masterstudierenden und Doktoranden

Das macht Sie einzigartig

• PhD in Data Science, Statistik, Informatik, künstlicher Intelligenz, Bioinformatik, Agronomie oder einem verwandten Fachgebiet
• Fundierte Fachkenntnisse in den Bereichen Machine Learning, Prognosemodelle und statistischer Analyse
• Hervorragende Programmierkenntnisse in Python und/oder R sowie Erfahrung mit grossen Datensätzen und reproduzierbaren Arbeitsabläufen
• Kenntnisse in den Bereichen erklärbare KI, Klima- oder Geodaten von Vorteil
• Hervorragende Kommunikationsfähigkeiten und wissenschaftliche Schreibkompetenz
• Sehr gute Kenntnisse zweier Amtssprachen und Englisch in Wort und Schrift

Auf den Punkt gebracht

Die Stelle leistet einen Beitrag zu zwei mit öffentlichen Mitteln finanzierten Forschungsprojekten. Im Rahmen des ersten Projekts werden Modelle zur Vorhersage des Virusinfektionsrisikos bei der Zertifizierung von Pflanzkartoffeln entwickelt, wobei historische Zertifizierungsdaten, Wettervariablen und die Anfälligkeit der Sorten berücksichtigt werden. Im Rahmen des zweiten Projekts werden operative Modelle zur Vorhersage der Kartoffelruhe und der Keimung während der Lagerung entwickelt, wobei Daten zu Sorten, Klima und Lagerung aus mehr als 35 Jahren herangezogen werden. Gemeinsam verbinden diese Projekte künstliche Intelligenz, Machine Learning und digitale Landwirtschaft, um Entscheidungshilfen für die Schweizer Kartoffelbranche bereitzustellen.
Die Projekte werden vom Bundesamt für Landwirtschaft (BLW) finanziert und in enger Zusammenarbeit mit Agroscope, Swisspatat und weiteren Partnern durchgeführt.