48 parallel-computing-numerical-methods Fellowship research jobs at University of Oslo
Sort by
Refine Your Search
-
Machine learning connected to the Scientific Computing and Machine Learning (SCML) group at the Department of Informatics. The candidate will be part of and contribute to the research activities in
-
oppdatert 08.08.2025 Hva er en cookie? En cookie er en liten datafil som lagres på datamaskinen, nettbrettet eller mobiltelefonen din. En cookie er ikke et program som kan inneholde skadelige programmer eller
-
program som kan inneholde skadelige programmer eller virus. Hvordan nettsiden bruker cookies Cookies er nødvendig for å få nettsiden til å fungere. Cookies hjelper oss å få en oversikt over besøkene dine på
-
din. En cookie er ikke et program som kan inneholde skadelige programmer eller virus. Hvordan nettsiden bruker cookies Cookies er nødvendig for å få nettsiden til å fungere. Cookies hjelper oss å få en
-
din. En cookie er ikke et program som kan inneholde skadelige programmer eller virus. Hvordan nettsiden bruker cookies Cookies er nødvendig for å få nettsiden til å fungere. Cookies hjelper oss å få en
-
calculations. The focus of the project is to perform lifetimes measurements of excited states ranging from few picoseconds to several microseconds via recoil distance Doppler shift (RDDS) and fast timing methods
-
din. En cookie er ikke et program som kan inneholde skadelige programmer eller virus. Hvordan nettsiden bruker cookies Cookies er nødvendig for å få nettsiden til å fungere. Cookies hjelper oss å få en
-
Deadline 15 Oct 2025 - 23:00 (Europe/Oslo) Type of Contract Temporary Job Status Full-time Hours Per Week 37.5 Is the job funded through the EU Research Framework Programme? Not funded by a EU programme Is
-
program som kan inneholde skadelige programmer eller virus. Hvordan nettsiden bruker cookies Cookies er nødvendig for å få nettsiden til å fungere. Cookies hjelper oss å få en oversikt over besøkene dine på
-
The idea is to combine established iterative ensemble Kalman methods with novel emerging machine-learning-enabled model calibration techniques recently adopted in CLM-FATES at UiO. The aim is: to constrain