Två doktorander inom maskininlärning - Under tillsättning eller tillsatt, ej sökbar

Institutionen för informationsteknologi har en ledande position inom såväl forskning som utbildning på alla nivåer. Institutionen har i dag ca 280 anställda varav 120 lärare och 110 doktorander. Drygt 4000 studenter läser en eller flera kurser vid institutionen varje år och ett 30-tal forskargrupper är kopplade hit. Mer info: http://www.it.uu.se

Läs mer om våra förmåner och hur det är att jobba inom Uppsala universitet

Vid avdelningen för Systemteknik utvecklar vi metodik och konkreta verktyg för inlärning, resonerande och agerande baserat på uppmätta data. En av hörnstenarna i vår forskning är  probabilistiska modeller som gör att vi systematiskt kan representera och hantera den osäkerheten som finns i alla data. Ett viktigt mål är att utveckla flexibla modeller som kan beskriva komplexa dynamiska fenomen och deras omgivande miljöer så att maskiner och människor bättre kan förstå världen runt oss. Data och modeller är två av hörnstenarna i vår forskning. Den tredje hörnstenen är inlärningsalgoritmen, med det grundläggande målet att automatiskt konstruera modeller baserade på data. Det är fortfarande en stor utmaning att utveckla effektiva och exakta inlärningsalgoritmer som kan hantera högdimensionella modeller, datarika applikationer, komplexa modellstrukturer och olika datakällor som uppstår i många av de dataanalysproblem som vi för närvarande står inför. Den fjärde och sista hörnstenen i vår forskning är beslutsfattande/reglering. Huvuduppgiften här är att använda allt vi lärt oss för att automatiskt fatta beslut och påverka den aktuella situationen på ett lämpligt sätt. Information om vår forskning finns tillgänglig från denna populäravetenskapliga beskrivning https://www.uu.se/nyheter-press/nyheter/artikel/?id=9990&typ=artikel

Vid avdelningen har vi ett brett nätverk av starka internationella samarbeten runt om i världen, till exempel vid University of Cambridge, University of Oxford, Imperial College, University of British Columbia, University of Sydney, University of Newcastle och alto University. Vi strävar efter att alla doktorander ska få en gedigen internationell erfarenhet under sin doktorandtid.

Arbetsuppgifter
Forskningsprojekten för dessa tjänster kommer att ligga inom områdena maskininlärning (inklusive utveckling och analys av modeller och beräkningsmetoder) eller reglerteknik. Två konkreta exempel på potentiella forskningsämnen anges kort nedan. Som sökande behöver du inte ange ett specifikt forskningsämne i din ansökan (men du är naturligtvis mycket välkommen att göra det om du vill). Faktum är att ämnen nedan främst tillhandahålls för att göra de annonserade positionerna mer konkreta. Vi välkomnar egna initiativ och det exakta forskningsämnet för varje doktorand avgörs i en dialog mellan studenten och handledaren. De problemformuleringar som är mest relevanta för denna öppning är följande:

1. Utveckling av robusta inlärningsmetoder:

Maskininlärningsmetoder utnyttjar träningsdata för att utföra uppgifter som antingen assisterar eller automatiserar mänskligt beslutsfattande. Många sådana metoder bygger på antagandet att dataföredelningarna i tidigare träningsmiljöer och framtida test miljöer matchar varandra. Men  när dessa miljöer divergerar, degraderas prestandan även hos de mest avancerade inlärningsmetoderna och kan leda till felaktiga beslut. Nya metoder som är robusta mot sådana divergenser är nödvändiga i en lång rad olika tillämpningar, som innefattar allt från trådlös localisering till hälsodiagonistik och mediciskt beslutsunderstöd. Vi syftar till att utveckla sådana inlärningsmetoder genom att kombinera idéer och verktyg från olika områden inom maskininlärning, statistik och optimeringsteori.

2. Utveckling av flexibla modeller för dynamiska system

Dynamiska modeller är oundgängliga för att förklara processer i vår omvärld. När det kommer till att modellera olinjär dynamik har flexibla modeller potentialer att dramatiskt förbättra träffsäkerheten över klassiska modelleringsverktyg. En viktig forskningsinriktning här är att utveckla djupinlärningsmodeller med långt historiskt minne och algoritmer som kan användas för att lära sig dom okända modellerparametrarna från uppmätt data. Vid intresse kommer vi också se hur detta kan användas i tillämpningar inom livsvetenskaperna och medicin.

Doktoranden ska främst ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, ingår inom ramen för anställningen (max 20 %). En doktorandanställning ges upp till fem år. 

Kvalifikationskrav
En doktorand ska ha civilingenjörsexamen, magisterexamen eller motsvarande kunskaper i ett ämne som är relevant för forskningsområdet, goda kommunikationsfärdigheter samt goda färdigheter i engelska i tal och skrift. Personliga egenskaper som kreativitet, noggrannhet och ett strukturerat arbetssätt är nödvändiga. 

Önskvärt/meriterande i övrigt
Erfarenhet inom maskininlärning eller statistiska beräkningsmetoder är meriterande.

Ansökan ska innehålla ett personlig brev (max 2 sidor) där den sökande beskriver sig själv, sina forskningsintressen, anledningen till varför du söker denna tjänst, samt tidigare erfarenheter av relevans för anställningen. Ansökan ska också innehålla en meritförteckning (CV), relevanta betygshandlingar, examensarbete (eller ett utkast till detta och/eller annan egenproducerad teknisk text), relevanta publikationer och övriga dokument (t.ex. förteckning över referenspersoner). Det är inget krav att den sökande har relevant grundexamen vid ansökans inlämnande, men samtliga sökande skall ange tidigaste möjliga datum för anställning. Observera att ansökan endast kan tas emot via webbgränssnittet enligt länk nedan (och inte via e-post).

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.

Om anställningen 
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen finns på http://www.it.uu.se/ (institutionen) eller via kontakt:  Prof. Thomas Schön  (thomas.schon@it.uu.se), Universitetslektor Dave Zachariah (dave.zachariah@it.uu.se), eller Prof. Peter Stoica (ps@it.uu.se).

Välkommen med din ansökan senast den 21 mars 2022, UFV-PA 2022/137.