Uppsala universitet, Institutionen för informationsteknologi

Institutionen för informationsteknologi ligger i det nybyggda Ångström hus 10, som innehåller en visualiseringsstudio, ett socialt robotlabb, ett maker space och 3D-printverkstad. Forskare arbetar inom alla områden av IT, från att designa processorer, människa-dator-interaktion och cybersäkerhet, till verktyg för cancerforskning och metoder för numerisk analys och maskininlärning. Bland våra aktiva forskare inom artificiell intelligens återfinns Thomas Schön och David Sumpter (maskininlärning); Ida-Maria Sintorn och Caroline Wählby (AI och bildanalys); Ginevra Castellano och Katie Winkle (social robotik); och Matteo Magnani (datavetenskap och nätverk).
Uppsala universitet har en lång tradition av framgångsrik forskning – bland sina alumner 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.

IT-institutionen har idag cirka 300 anställda, varav 120 lärare och 110 doktorander. Mer än 4000 studenter läser en eller flera kurser vid institutionen varje år och lärare utvecklar aktivt nya infallsvinklar för utbildning.

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

Arbetsuppgifter/Projektbeskrivning
Forskning om grundläggande modeller och metoder inom maskininlärning och deras tillämpningar inom medicin. Tjänsten är en del av ett ERC Advanced Grant inriktat på att utveckla beslutsstöd för akutmottagningen.  Arbetet kommer att ske i nära samarbete med vår medicinska partner Professor Johan Sundström som leder Anders Wiklöf Institutet för hjärtforskning. Vi delar redan kontor och våra grupper har samarbetat under en längre tid. Tjänsten kan innehålla undervisning upp till 20% beroende på tillgänglighet och intresse. 

Postdoktortjänsten kommer att intensifiera vårt arbete med att utveckla och analysera metoder inom maskininlärning och deras tillämpning inom medicin. Vi kommer att fortsätta vårt arbete med att utvinna kunskap från storskaliga EKG-datauppsättningar och vi kommer att utnyttja stora databaser med elektroniska journaler och patientrapporterade data och tredimensionella symtomritningar. Syftet är att kunna undersöka användningen av dessa modeller för beslutsstöd och tjänsten kan även innefatta arbete med beslutsalgoritmer. Tekniska nyckelord för tjänsten inkluderar: probabilistiska modeller, beslutsalgoritmer, djupinlärning, Bayesiansk slutledning och precisionsmedicin. Tjänsten kan även innefatta undervisning.

Kvalifikationskrav
Doktorsexamen i maskininlärning, signalbehandling, datorseende, beräkningsintensiv statistik, eller närliggande relevant område eller en utländsk examen som bedöms motsvara doktorsexamen i maskininlärning, signalbehandling, datorseende, beräkningsintensiv statistik, eller närliggande relevant område. Examen ska vara uppfyllt senast vid tidpunkten då anställningsbeslutet fattas. Främst bör den komma ifråga som har avlagt examen för högst tre år sedan. Vid beräkning av ramtiden om tre år är utgångspunkten sista ansökningsdag. Om det finns särskilda skäl kan sådan examen ha avlagts tidigare. Med särskilda skäl avses ledighet på grund av sjukdom, föräldraledighet, förtroendeuppdrag inom fackliga organisationer, etc.

Den sökande ska ha en gedigen bakgrund inom metodutveckling och användning av maskininlärning. Förmåga att använda djupinlärning (deep learning) krävs. Publikationer vid ledande konferenser inom maskininlärning är ett stort plus. Du förväntas kunna undervisa på svenska eller engelska. Goda kunskaper i engelska i tal och skrift är ett krav.

Önskvärt/meriterande i övrigt
Erfarenhet av tvärvetenskaplig forskning är bra. Som person är du kreativ, noggrann och har ett strukturerat förhållningssätt. Vid urval bland de sökande kommer vi att bedöma deras förmåga att självständigt driva sitt arbete framåt, att samarbeta med andra, att ha ett professionellt förhållningssätt och att analysera och arbeta med komplexa problem. Stor vikt kommer att läggas vid personliga egenskaper och personlig lämplighet.

Ansökan
Ansökan ska innehålla:

  1. En meritförteckning (CV),
  2. Publikationslista,
  3. Upp till fem utvalda publikationer i elektronisk form,
  4. Beskrivning av din nuvarande och tidigare forskning (max 1 sida) och förslag på framtida forskning (max 1 sida),
  5. Kontaktinformation till två referenser,
  6. Ett personligt brev där du kort motiverar varför du söker denna tjänst samt ange tidigast möjliga anställningsdatum (max 1 sida).

Om anställningen 
Anställningen är tidsbegränsad  i 2 år. Omfattningen är heltid. Tillträde enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Professor Thomas Schön (e-post: thomas.schon@it.uu.se) eller Universitetslektor Dave Zachariah (e-post: dave.zachariah@it.uu.se).

Välkommen med din ansökan senast den 1 mars 2023, UFV-PA 2023/223.

Anställningsform Tidsbegränsad anställning
Anställningens omfattning Heltid
Tillträde Snarast
Löneform Individuell lönesättning.
Antal lediga befattningar 1
Sysselsättningsgrad 100%
Ort Uppsala
Län Uppsala län
Land Sverige
Referensnummer UFV-PA 2023/223
Facklig företrädare
  • Seko Universitetsklubben, seko@uadm.uu.se
  • ST/TCO, tco@fackorg.uu.se
  • Saco-rådet, saco@uadm.uu.se
Publicerat 2023-01-23
Sista ansökningsdag 2023-03-01

Tillbaka till lediga jobb