Postdoktor inom maskininlärning - Under tillsättning eller tillsatt, ej sökbar

Postdoktor inom maskininlärning med fokus på säker federerad maskininlärning

Vill du arbeta med maskininlärning och distribuerade algoritmer, med stöd av kompetenta och trevliga kollegor i en internationell miljö? Vill du ha en arbetsgivare som satsar på ett hållbart medarbetarskap och erbjuder trygga, förmånliga arbetsvillkor? Välkommen att söka anställning som postdoktor 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.

Vid avdelningen för Systemteknik, som tillhör institutionen för informationsteknologi, utvecklar vi både teori och konkreta verktyg för att utforma 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 reglerteori, maskininlärning, optimering och nätverksvetenskap, och spänner över olika tillämpningsområden som energisystem, biomedicinska system, neurovetenskap samt säkerhet och resiliens.

Vi har ett brett nätverk av starka internationella samarbeten runt om i världen, till exempel vid Delft University of Technology, University of Cambridge, University of Oxford, Imperial College, University of British Columbia, University of Sydney, University of Newcastle och Alto University. Det finns också stora möjligheter till samarbeten med andra ledande maskininlärningsgrupper i Sverige och Europa, genom vårt deltagande i WASP och ELLIS.

Arbetsuppgifter
Denna tjänsten är en del av ett projekt i säker federerad maskininlärning som finansieras inom VINNOVA:s program Avancerad och innovativ digitalisering. Projektet leds av Scaleout Systems AB tillsammans med Uppsala Universitet. Du kommer att arbeta med universitetslektor André Teixeira (Uppsala Universitet) och Salman Toor (CTO på Scaleout, universitetslektor på Uppsala Universitet).

I det här projektet kommer vi att fokusera på säkerhets- och integritetsförbättrande tekniker för federerad maskininlärning. Tillvägagångssättet är inriktat på att utveckla nya teorier och metoder för att uppnå säker aggregering av federerade maskininlärningsmodeller. Det första målet här är att bättre förstå hur man algoritmiskt hanterar sena och samplingsbaserade modelluppdateringar i praktiken på ett sätt som möjliggör skalbarhet men ändå introducerar minimal modellförspänning. I synnerhet är vi intresserade av att förstå hur klientprovtagning, modellpartitionering och aggregeringsstrategier påverkar och kan integreras i formell säkerhetsanalys. Utifrån denna nya förståelse strävar vi efter att tillsammans utforma utbildningsprocessen, arkitekturen och aggregeringsstrategierna för att säkerställa modellintegritet med hög sannolikhet i antagonistiska kontexter.

Den exakta forskningsinriktningen kommer att fastställas i samråd mellan den kandidat som anställs och handledarna. Tjänsten kan även innefatta undervisning i närliggande ämnen (max 20%).

Du kommer att ingå i Secure Learning and Control Laboratory vid Institutionen för informationsteknologi, Uppsala universitet. Laboratoriet är en växande tvärvetenskaplig forskargrupp som bedriver interdisciplinär forskning av både teoretisk och tillämpad karaktär i skärningspunkten mellan cybersäkerhet, reglerteori och maskininlärning. Visionen är att utveckla en metodologisk bas för dimensionering av intelligenta autonoma beslutsfattande system som är säkra och kan motstå illvilliga attacker.

Kvalifikationskrav
Doktorsexamen inom ett område med nära anknytning till denna tjänst, såsom beräkningsmatematik, maskininlärning, reglerteknik, optimering, signalbehandling,  eller en utländsk examen som bedöms motsvara doktorsexamen inom något av de ovannämnda områdena. 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 måste ha en stark bakgrund inom metodutveckling och användning av algoritmisk maskininlärning och stokastiska optimeringsalgoritmer. Ytterligare krav för denna tjänst inkluderar färdigheter i programmering (helst i Python), samt kunskap om datavetenskap, med fokus på ett av följande ämnen: distribuerade system, optimering eller maskininlärning.

Publikationer vid ledande konferenser inom maskininlärning och/eller ledande konferenser och tidskrifter inom beräkningsmatematik (t.ex. statistik eller optimering) är ett starkt plus.

Som person är du kreativ, noggrann och har ett strukturerat arbetssätt. Vid urvalet bland de sökande kommer vi att bedöma deras förmåga att självständigt driva sitt arbete framåt, att samarbeta med andra, att ha ett professionellt förhållningssätt samt att analysera och arbeta med komplexa problem. Stor vikt kommer att läggas vid personliga egenskaper och personlig lämplighet. Utmärkta kunskaper i engelska i tal och skrift är ett krav.

Önskvärt/meriterande i övrigt
Dessutom är erfarenhet av tvärvetenskaplig forskning en merit. Erfarenhet och kurser i ett eller flera av följande ämnen värdesätts: statistisk maskininlärning, distribuerad optimering och stokastiska algoritmer. För detta projekt värdesätter vi även kunskap inom säkerhet och integritet.

Ansökan
Ansökan ska innehålla:

1. En meritförteckning (CV),
2. En kopia av relevanta examina och betygshandlingar (översatta till svenska eller engelska),
3. Publikationslista,
4. Upp till fem utvalda publikationer i elektronisk form,
5. Beskrivning av din nuvarande och tidigare forskning (max 1 sida) och förslag på framtida forskning (max 1 sida). Vänligen förklara hur din profil passar detta projekt,
6. Kontaktinformation till två referenser (namn, e-post och telefonnummer),
7. 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 enligt centralt kollektivavtal. Omfattningen är heltid. Tillträde snarast eller enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Universitetslektor André Teixeira (telefonnummer: +46  18-471 5414, email: andre.teixeira@it.uu.se). 

Välkommen med din ansökan senast den 18 april 2024, UFV-PA 2024/791.