Assistant professor in Clinical Neurotechnology

Job Description
The post-holder will conduct research and development work within our strategic programme in clinical neurotechnology, particularly in the areas of neuromodulation and neurophysiology and/or neuroimaging. The post will support the strategic aim of improving closed-loop and adaptive neuromodulation technologies. The post-holder will fulfil leadership roles in both research and education and be actively involved in the supervision of PhD candidates. The post-holder will liaise closely with a multidisciplinary team (neurosurgeons, neurophysiologists, imaging scientists, neuroscientists, engineers) working on the development and clinical application of new neurotechnologies. Specific tasks include:

• Conduct internationally leading research in (invasive) neurophysiology;
• Contribute to the development of closed-loop DBS and BCI systems;
• Engage with clinicians from MUMC and stakeholders from industry;
• Acquire non-commercial and commercial funding to support an academic programme in clinical neurotechnology;
• Train PhD candidates and Masters students in clinical neurotechnology in the context of the MHeNs graduate school;
• Contribute to the teaching programme of the Faculty of Health, Medicine and Life Sciences;
• Contribute to the generation and exploitation of intellectual property.

Requirements
The successful candidate will be an excellent communicator and team worker with international experience in academia and/or industry and fulfil the following criteria:

• PhD in neuroscience, engineering or another relevant discipline.
• Track record of publications in clinical neurotechnology.
• Excellent understanding of neuroscience methods, including neurophysiology and neuroimaging.
• Excellent computational skills.
• Track record of successful funding acquisition.
• Experience and interest in teaching undergraduate and postgraduate students and PhD (co-)supervision.

Promovendus 'Gezondheidsachterstanden verminderen samen met de mensen waar het om gaat'

Functieomschrijving
Mensen die sociaaleconomische problemen hebben (zoals armoede, schulden of moeite met rondkomen) ervaren vaker gezondheidsachterstanden en zijn vaak ondervertegenwoordigd in wetenschappelijk onderzoek. Hierdoor is wetenschappelijke kennis en maatschappelijke impact voor deze groepen beperkt.

Het samenwerken met ondervertegenwoordigde groepen zoals mensen in een lagere sociaaleconomische positie in (burger)wetenschappelijk onderzoek zorgt ervoor dat wetenschappelijk onderzoek relevanter wordt en dat gezondheidsachterstanden kunnen worden verminderd. Als promovendus ga je je richten op het samenwerken met mensen die sociaaleconomische problemen ervaren. Je neemt hun ervaringskennis mee in wetenschappelijk onderzoek en onderzoekt meer gelijkwaardige manieren van samenwerken tussen burgers en wetenschappers.

Binnen dit overkoepelend thema krijg je de mogelijkheid om jouw onderzoeksinteresse te volgen binnen een scala aan projecten. Zo wordt er bijvoorbeeld data verzameld in een lopend project over intergenerationele overdracht van armoede en gezondheidsachterstanden waarin ervaringskennis van wetenschappers en deelnemers centraal staat en deelnemers co-onderzoekers zijn. Daarnaast zijn er een aantal andere projecten waarbij er al data verzameld is of waarbij dataverzameling op korte termijn zal starten: o.a. projecten over participatieve en inclusieve onderzoeksmethoden, samenwerken met burgeradviesgroepen (bestaande uit mensen die van weinig geld moeten rondkomen en mensen met minder gezondheidsvaardigheden) die vanuit eigen ervaringen advies geven over onderzoek en een project over community resilience en syndemische kwetsbaarheid. Bij de start van je promotietraject zal in samenspraak een keuze en een plan worden gemaakt.

Als promovendus:

• Ben je verantwoordelijk voor data-analyse, dataverzameling en het rapporteren van resultaten van het wetenschappelijk onderzoek.
• Schrijf je wetenschappelijke artikelen die de basis vormen van een Engelstalig wetenschappelijk proefschrift.
• Ben je verantwoordelijk voor het communiceren van de resultaten van het onderzoek naar het bredere publiek (wetenschapscommunicatie) en naar onderzoeksdeelnemers.
• Naast je onderzoekstaken (90%) zal een deel van het werk bestaan uit het geven van onderwijs (10%).

De standplaats is Maastricht.

Functie-eisen
Jij speelt een verbindende rol tussen burgers en wetenschappers, je werkt graag samen en hebt hierin een nieuwsgierige en open houding die wordt gekenmerkt door een bereidheid om te leren en te groeien. Je hebt dan ook de volgende vaardigheden en kwalificaties:

• Je hebt grote interesse in praktijkgericht en wetenschappelijk onderzoek.
• Je hebt een achtergrond in gezondheidswetenschappen, antropologie, psychologie, sociologie of een ander relevant vakgebied.
• Je hebt interesse in inclusief en participatief onderzoek.
• Je hebt een goede beheersing van zowel de Nederlandse als Engelse taal.
• Eigen ervaringen met opgroeien in sociaaleconomische achterstand zijn een pré.

Nog niet afgestudeerd? Ook dan nodigen we je uit om te reageren op deze vacature.

Coördinerend assistent onderzoek Symptoomnetwerken in de ggz (0,6 - 0,8 of 1.0 fte)

Functiebeschrijving
Je gaat deel uitmaken van het universitaire projectteam en ondersteunt bij de logistieke planning en uitvoering van dit onderzoek. Je werkt zelfstandig onder leiding van de projectleiders en je werkt nauw samen met de betrokken ggz-instellingen. Als ‘spin in het web’ zorg je voor een optimale organisatie, planning en uitvoering van het onderzoek. Je communiceert met de ggz-instellingen en je informeert en ondersteunt de deelnemers aan het onderzoek. Indien nodig kun je het al bestaande informatiemateriaal voor de deelnemers, zoals folders en instructiefilms, aanpassen. Daarnaast ben je medeverantwoordelijk voor de goede organisatie en administratie van onderzoeksgegevens. Ook draag je bij aan de begeleiding van stagiaires die onderzoek bij ons doen in het kader van hun masteropleiding.

Functie eisen

• Je spreekt goed Nederlands
• Uitstekende organisatievaardigheden
• Uitstekende communicatievaardigheden
• Goede schriftelijke vaardigheden
• Groot probleemoplossend vermogen
• Initiatiefrijk en flexibel
• Enthousiaste teamspeler
• Goede computervaardigheden: je kunt goed werken met excel en je bent niet bang om met eenvoudige nieuwe software te leren werken.
• Minimaal hbo-opleiding

Achtergrond
Dit onderzoek maakt deel uit van het landelijke onderzoeksproject New Science of Mental Disorders dat door het ministerie van Onderwijs, Cultuur en Wetenschap gefinancierd wordt (www.nsmd.eu). Psychische stoornissen komen vaak voor: één op de vier volwassenen heeft er ooit in zijn leven last van. In dit project onderzoeken we of een nieuwe benadering van psychische stoornissen leidt tot betere diagnostiek en behandeling. Dit gebeurt in nauwe samenwerking met verschillende instellingen voor geestelijke gezondheidszorg (ggz).

Inbedding:
Maastricht University geeft leiding aan dit NWO zwaartekrachtproject ‘New Science of Mental Disorders’ (www.nsmd.eu). Andere deelnemende universiteiten zijn bijvoorbeeld de Universiteit van Amsterdam en Leiden University. De coördinerend assistent zal aangesteld worden bij de afdeling Clinical Psychological Science (CPS) in de faculteit Psychology and Neuroscience (FPN) van Maastricht University.

Post-doctoral researcher in Machine Learning-Based Signal Decomposition

Are you thrilled by the possibility of advancing traditional signal decomposition methods by integrating artificial neural networks for increased accuracy and tensor-based methods for improved efficiency? Then apply for this position as a post-doc researcher in Machine Learning-Based Signal Decomposition at the Department of Advanced Computing Sciences (DACS), part of the Faculty of Science and Engineering at Maastricht University.

The successful candidate will design new versatile methods for data-driven and adaptive decomposition of nonlinear and nonstationary signals, and analyze their performance in various domains like Engineering (e.g., fault detection), Physics (e.g., gravitational wave analysis), and Medicine (e.g., electrocardiographic signal analysis).
The position is embedded in the Systems and Control research group of DACS.

Job Description
You will conduct research on data-driven decomposition of signals. More specifically, you will work on advancing the theoretical background of traditional techniques, and integrating those with both deep learning frameworks and tensor-based decomposition approaches. You will start by working on developing methods for decomposing univariate signals, followed by extending your findings to methods for decomposing multivariate signals. The final goal is to develop new flexible and versatile methods for decomposition of (multivariate) signals in physically meaningful components.

Your tasks will include:

1. Perform scientific research in machine learning-based data-driven signal decomposition;
2. Publish results at top-tier (international) conferences and in international journals;
3. Present the results in internal research group meetings as well as national and international scientific conferences;
4. Assist with educational tasks (e.g., assist labs, supervise bachelor and master students, PhD students, and internships);
5. Participate actively in the activities of the Systems and Control research group such as grant acquisition and event organization.

We encourage collaboration and you will also benefit from a supportive local research community as well as a strong industry and research network.

Requirements

• PhD (completed, or to be completed shortly) in Signal Processing, Machine Learning / Deep Learning, Applied Mathematics, Artificial Intelligence, or a related field.
• Demonstrated (e.g., through publications, code, projects, etc.) interest and experience with the field of signal processing, and at least one of the following fields: signal decomposition, machine learning / deep learning, tensor decomposition.
• Knowledge of at least one of the following techniques and interest in developing skills in the other two:
  
  • Traditional decomposition techniques like Empirical Mode or Variational Mode Decomposition, Wavelet Decomposition, Principal and Independent Component Analysis.
  • Machine learning and deep learning frameworks.
  • Tensor-based methods for signal processing or machine learning decomposition (e.g., canonical polyadic decomposition, multilinear singular value decomposition, and tensor trains).
• Experience in programming (preferably in Python and Matlab).
• Proficiency in English (oral and written).
• Excellent communication skills, and ability to collaborate in a multi-disciplinary and team-oriented research environment.

Assistant professor in Multimodal Generative AI

Are you passionate about designing versatile artificial intelligence models capable of understanding and generating content across multiple modalities such as text, image, video, and sound?

Are you interested in evaluating the effects of multimodal generative AI systems on fairness, bias, and transparency? Do you value seeing your research applied to real-world challenges from different domains (like healthcare, manufacturing, or media) to address urgent societal needs?

If you see yourself making an impact in any of these areas – or you have other interesting multimodal generative AI topics to bring to the table – you should consider joining our Department of Advanced Computing Sciences (DACS) as an Assistant Professor in Multimodal Generative AI.

To strengthen our research initiatives on multimodal generative AI, we are looking for a scientist with expertise in areas such as: deep learning, natural language processing, and computer vision. Research on emerging generative AI topics, for instance: multimodal foundation models, multimodal data fusion and transfer learning, explainability in multimodal AI – are particularly welcome.

Job description
As our new colleague, you will contribute to DACS research. Our research activities span the entire spectrum from curiosity-driven research to responsible societal applications, often taking on an interdisciplinary character. Contributions to areas such as multi-agent systems, (medical) signal and image processing, FAIR principles, game theory, intelligent search techniques and affective computing are internationally recognized. What makes our research so interesting is that DACS maintains an industry network with over 80 private collaborators ranging from local SMEs to large multinationals. The department designs and develops data-driven solutions for a wide variety of business applications in sectors including transport and logistics, healthcare, and production and manufacturing. This way you can contribute to science and our society of tomorrow!

In addition to your research, you will contribute to our top-rated education. Our department offers two bachelor programs and two master programs in the fields of AI, Computer Science, and Data Science. You will strongly contribute to the focus and strengthening of our programs. In this respect, we are particularly interested if you combine your passion for multimodal generative AI with a solid knowledge and understanding of fundamental topics like Machine Learning and Natural Language Processing.

As an Assistant Professor you will also be active in acquiring research funding and support fellow junior researchers.

Requirements
We seek a colleague who is passionate about research and who enjoys teaching. You feel at home in a strongly international and diverse community like ours. Furthermore, we are looking to welcome someone who fosters collaboration at all levels.

Our ideal candidate has:

• A PhD degree in Artificial Intelligence, or a strongly related field;
• Preferably 2 years or more working experience in an academic environment post-PhD;
• A proven track record in research and teaching, commensurate with the rank of assistant professor, in particular in machine learning and/or natural language processing;
• Experience with funding acquisition;
• Effective communication (in English) and organizational skills;
• Experience with remote/online teaching is a bonus;