Doktorand i maskininlärning med fokus på Bayesianska modeller och metoder för biomedicin

Vill du arbeta med Bayesianska matematiska modeller och maskininlärningsmetoder för biomedicin och hälsa, 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.

Uppsala universitet har en lång tradition av framgångsrik forskning – bland alumnerna återfinns 16 nobelpristagare, nu senast Svante Pääbo. Universitetet är unikt när det gäller att kombinera IT med bredare forskning, från biovetenskap till humaniora, och detta samarbete underlättas för närvarande av AI4Research och Centrum för tvärvetenskaplig matematik.

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.

Vid avdelningen för Systemteknik utvecklar vi både teori och konkreta verktyg för att designa system som lär sig, resonerar och agerar i den verkliga världen baserat på en sömlös kombination av data, matematiska modeller och algoritmer. Vår forskning integrerar expertis från maskininlärning, optimering, reglerteori och tillämpad matematik, och spänner över olika tillämpningsområden som medicin, energisystem, biomedicinska system, neurovetenskap och säkerhet. Vid avdelningen har vi ett brett nätverk av starka internationella samarbetspartners över hela världen, till exempel vid University of Cambridge, University of Oxford, Imperial College, University of Sydney, University of Newcastle och Aalto University. Vi strävar efter att alla doktorander ska få en gedigen internationell erfarenhet under sin doktorandtid.

Doktorandtjänsten är del av det nationella forskningsprogrammet WASP.

Wallenberg AI, Autonomous Systems and Software Program, WASP, är Sveriges största enskilda forskningsprogram i modern tid. Programmet skapar en plattform för akademisk forskning och utbildning i nära samarbete med ledande svensk teknikintensiv industri. Forskningen innefattar artificiell intelligens och autonoma system som verkar i samarbete med människor och som anpassar sig till sin omgivning med hjälp av sensorer, information och kunskap och skapar intelligenta system av system. WASPs vision är excellent forskning och kompetens inom artificiell intelligens, autonoma system och mjukvara till gagn för Sveriges industri och samhälle. Läs mer: https://wasp-sweden.org/

Forskarskolan inom WASP har som mål att förse framtidens forskare med nödvändig kunskap för att kunna analysera, utveckla och bidra aktivt till den tvärvetenskapliga utvecklingen av artificiell intelligens, autonoma system och mjukvara. Genom ett ambitiöst program med forskningsbesök, partneruniversitet och gästföreläsare stöder forskarskolan aktivt bildandet av ett starkt multidisciplinärt och internationellt professionellt nätverk mellan doktorander, forskare och industri. Forskarskolan erbjuder därmed en unik möjlighet för de studenter som lockas av internationell forskning i världsklass med industriell relevans. Mer information: https://wasp-sweden.org/graduate-school/

Projektbeskrivning
Med den senaste ökningen av biomedicinska data finns ett behov av nya matematiska modeller och maskininlärningsmetoder som kan extrahera så mycket information som möjligt från dessa data. Framsteg inom beräkningsbaserad Bayesiansk statistik har katalyserat användningen av probabilistiska programmeringsramverk (PPFs) såsom Stan, Turing och Pyro inom biomedicinsk forskning. Trots detta är PPFs i stor utsträckning underutnyttjade inom biomedicinska arbetsflöden. Denna underanvändning beror delvis på en stark tradition inom biomedicin att arbeta med frekventistisk statistik, och delvis på det faktum att data inom livsvetenskaper ofta medför tekniska utmaningar som försvårar den praktiska implementeringen av Bayesianska modeller och metoder. Detta projekt syftar till att bemöta dessa utmaningar och bättre möjliggöra användningen av Bayesianska metoder inom biomedicinsk forskning. Doktoranden kommer att arbeta med Bayesiansk modellering, beräkningsbaserad Bayesiansk inferens med, exempelvis, Hamiltonian Monte Carlo-sampling, samt Bayesiansk design av experiment och arbetsflöden. Projektet kommer att handledas av Sara Hamis (Uppsala universitet) och Eszter Lakatos (Chalmers tekniska högskola). Doktoranden kommer att vara placerad vid Uppsala universitet.

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 teknisk fysik, tillämpad matematik, fysik, datavetenskap, maskininlärning, 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 inom eller utom landet 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 starkt intresse för att utveckla Bayesianska matematiska modeller och maskininlärningsmetoder för biomedicin och hälsa,
• god kommunikationsförmåga och tillräckliga kunskaper i muntlig och skriftlig engelska,
• utmärkta studieresultat,
• erfarenhet av programmering,
• kreativitet, grundlighet och ett strukturerat förhållningssätt till problemlösning,
• ett samarbetstänkande och entusiasm för tvärvetenskapligt arbete.

Önskvärt/meriterande i övrigt
Erfarenhet av matematisk analys, linjär algebra och programmering är ett krav. Förkunskaper i biologi eller medicin krävs inte. Erfarenhet av ett eller flera av följande ämnen är meriterande:

• matematisk biologi,
• Bayesiansk statistik,
• Hamiltonian Monte Carlo,
• maskininlärning,
• farmakokinetik och farmakodynamik.

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 1 sida) där du kort motiverar varför du söker denna tjänst, inklusive en självutvärdering om varför du skulle vara rätt kandidat för denna tjänst, och ditt tidigaste beräknade startdatum (ett startdatum mellan augusti och december 2025 förväntas);
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 18 augusti 2025 eller enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Biträdande universitetslektor Sara Hamis, e-mail: sara.hamis@it.uu.se.

Välkommen med din ansökan senast den 23 maj 2025, UFV-PA 2025/1326.