Doktorand i beräkningsvetenskap med inriktning på maskininlärningsteori

Vill du arbeta med beräkningsmässig inlärningsteori, med stöd av kompetenta kollegor i en ledande internationell miljö? Vill du ha en arbetsgivare som satsar på ett hållbart medarbetarskap och erbjuder trygga, förmånliga arbetsvillkor? Välkommen att söka anställning som doktorand på Uppsala universitet.

Institutionen för informationsteknologi har en ledande position inom såväl forskning som utbildning på alla nivåer. Vi är idag Uppsala universitets tredje största institution och har i dag drygt 350 anställda varav 120 lärare och 120 doktorander. C:a 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionen för informationsteknologis webbplats.

Vi erbjuder en doktorandtjänst som utforskar skalbar Bayesiansk inlärning från bullriga data. Studenten kommer att ingå i ett nytt NEST-initiativ finansierat av Wallenberg National Program for Data-Driven Life Science (DDLS) och Wallenberg AI, Autonomous Systems and Software Program (WASP). NEST-projektet, Time-Resolved Imaging and Multi-Channel Evaluation of Cellular Dynamics (TIMED), är ett femårigt samarbete mellan forskare vid Uppsala universitet, Chalmers tekniska högskola och Karolinska Institutet.

Anställningen är placerad vid avdelningen för beräkningsvetenskap (TDB) inom institutionen för informationsteknologi. Som en av världens största fokuserade forskningsmiljöer inom beräkningsvetenskap har forskningen och utbildningen en unik bredd med omfattande aktiviteter inom beräkningsvetenskapliga områden som numerisk analys, matematisk modellering, utveckling och analys av algoritmer, maskininlärningsteori, optimering, vetenskaplig mjukvaruutveckling och högprestandaberäkningar. Många av avdelningens forskningsprojekt bedrivs i nära samarbeten med tillämpningsområden inom och utom akademin. Avdelningen är för närvarande värd för 20 doktorander, och doktorandutbildningen i beräkningsvetenskap har hittills resulterat i över 90 doktorer. Dem är idag framgångsrika forskare i beräkningsvetenskap och relaterade områden, verksamma både inom akademi och inom näringsliv.

Avdelningen är också en viktig del av det strategiska samarbetet eSSENCE om e-vetenskap, och nätverket Science for Life Laboratory (SciLifeLab). SciLifeLab är en ledande institution och nationell forskningsinfrastruktur med mandat att möjliggöra spjutspetsforskning inom biovetenskap i Sverige, främja internationella samarbeten samt attrahera och behålla kunskap och talang. Den framgångsrika kandidaten kommer att vara värd för Scientific Machine Learning-gruppen på TDB. Gruppen är specialiserad på att utveckla teori, metoder och mjukvara för att möjliggöra datadriven vetenskap. Relevant för denna position är gruppen aktiv inom utforskandet av maskininlärningsteori, storskalig optimering, Bayesiansk inferens och osäkerhetsmedvetet lärande, samt andra aspekter av statistiskt lärande. Vi har ett brett nätverk av samarbetspartners, och det kommer att finnas möjligheter att arbeta tillsammans med framstående forskare i Sverige och utomlands. Projektet är en del av DDLS- och WASP-initiativen, som syftar till att positionera Sverige i framkant inom beräkningsbaserad livsvetenskap och AI-forskning.

Projektbeskrivning
Den framgångsrika kandidaten kommer att arbeta tillsammans med oss för att utveckla principiella grunder för skalbart lärande från brusiga datamängder, med särskilt fokus på live-cell-avbildningsdata. Vi kommer att studera sannolikhetsgarantier och generaliseringsgränser för Bayesianska inlärare under distributionsskiften, modellfelspecifikationer och begränsade urval. Vi kommer också att utforska djupinlärningsarkitekturer som integrerar probabilistiska priors, eller approximerar Bayesiansk inferens för att förbättra robusthet och tolkningsbarhet. Vi kommer att tillämpa och validera de utvecklade maskininlärningsmetoderna på live-cell-avbildningsdata som genereras i vår TIMED NEST-miljö, vilket erbjuder betydande möjligheter till samarbete. Tekniska nyckelord för tjänsten inkluderar beräkningsinlärningsteori, robust lärande, storskalig optimering och Bayesiansk maskininlärning.

Arbetsuppgifter
Doktoranden ska främst ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%).

Kvalifikationskrav
Behörighet till utbildning på forskarnivå regleras i Högskoleförordningen. Grundläggande behörighet har den som:

• avlagt examen på avancerad nivå inom datavetenskap, beräkningsvetenskap, tillämpad matematik, teknisk fysik, maskininlärning, data science, eller inom ett liknande område, eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

Högskolan får för en enskild sökande medge undantag från kravet på grundläggande behörighet, om det finns särskilda skäl. (7 kap. 39 § HF). För särskild behörighet, se studieplanen för ämnet.

Vi söker kandidater med:

• ett stort intresse för optimering, maskininlärning och Bayesiansk inferens,
• god kommunikationsförmåga med tillräckliga kunskaper i muntlig och skriftlig engelska,
• utmärkta studieresultat,
• goda arbetskunskaper i programmering (helst i Python),
• personliga egenskaper, såsom en hög nivå av kreativitet, noggrannhet och/eller ett strukturerat tillvägagångssätt för problemlösning är avgörande.

Önskvärt/meriterande i övrigt
Erfarenhet och kurser i ett eller flera ämnen värdesätts: optimering, probabilistisk maskininlärning, linjär algebra och djupinlärning.

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

Ansökan
Ansökan ska innehålla:

1. ett personligt brev (högst 2 sidor) där du kort motiverar varför du söker denna tjänst, inklusive en självutvärdering om varför du skulle vara rätt kandidat för denna tjänst;
2. en meritförteckning (CV);
3. examensbevis och registerutdrag med betyg (översatt till engelska eller svenska);
4. examensrapport (eller utkast till sådan, och/eller annan egenproducerad teknisk eller vetenskaplig text), publikationer och andra relevanta dokument;
5. referenser med kontaktinformation (namn, e-post och telefonnummer) och upp till två rekommendationsbrev.

Sökande som uppfyller minst ett av behörighetskraven uppmuntras starkt att ansöka. Alla sökande bör ange sitt tidigaste möjliga startdatum.

Om anställningen 
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 september 2025 eller enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Biträdande universitetslektor Prashant Singh, e-post: prashant.singh@scilifelab.uu.se; Avdelningsföreståndare Elisabeth Larsson, e-post: elisabeth.larsson@it.uu.se.

Medhandledarteam: Professor Ola Spjuth, Assistant Professor Rocío Mercado Oropeza, Group Leader Brinton Seashore-Ludlow, Associate Professor Ashkan Panahi.

Välkommen med din ansökan senast den 21 juli 2025, UFV-PA 2025/2005.