Doktorand i reglerteknik med fokus på signalbehandling och matematiskmodellering för fysiologiska signaler

Vill du arbeta med signalbehandling och matematisk modellering för fysiologiska signaler, 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 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.

Projektbeskrivning
I detta projekt kommer den utvalda kandidaten att tillsammans med oss ​​bedriva forskning om datadrivna metoder för att utveckla matematiska modeller av fysiologiska signaler. Det kommer att finnas ett stort fokus på att hantera stora patientkohorter och lära sig att extrahera information från insamlad biologisk data med hjälp av nya metoder från maskininlärning och systemidentifiering. De potentiella tillämpningarna kommer att vara inom kardiologi. De exakta detaljerna i forskningsprojektet avgörs i en dialog mellan doktoranden och handledaren.

Denna doktorandtjänst är en del av forskarskolan eSSENCE inom dataintensiv vetenskap. Skolan adresserar utmaningen med dataintensiv vetenskap både ur ett grundläggande metodologiskt perspektiv och ur ett tillämpningsperspektiv för datadriven vetenskap. Det är en arena där experter inom beräkningsvetenskap, datavetenskap och dataengineering (system och metodik) arbetar nära tillsammans med forskare inom (datadrivna) vetenskaper, industri och samhälle för att påskynda dataintensiva vetenskapliga upptäckter. eSSENCE är ett strategiskt samarbetsprogram inom e-vetenskap mellan tre svenska universitet med en stark tradition av utmärkt forskning inom e-vetenskap: Uppsala universitet, Lunds universitet och Umeå universitet.

Tjänsten stöds också av SciLifeLab. SciLifeLab är en ledande institution och nationell forskningsinfrastruktur med ett uppdrag att möjliggöra banbrytande forskning inom livsvetenskaper i Sverige, främja internationella samarbeten samt attrahera och behålla kunskap och talang.

Arbetsuppgifter
Doktoranden kommer främst att 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
Behörig till utbildning på forskarnivå är den som har

• avlagt examen på avancerad nivå inom inom teknisk fysik, elektroteknik, dataanalys, datavetenskap, tillämpad matematik, 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.

Vi söker kandidater med

• intresse för att utveckla applikationer inom signalbehandling och matematisk modellering för fysiologiska signaler.
• god kommunikationsförmåga med tillräckliga kunskaper i muntlig och skriftlig engelska,
• utmärkta studieresultat,
• stor erfarenhet av 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: signalbehandling, statistiskt maskininlärning,  systemidentifiering, optimering, och djupinlärning.

Ansökan
Ansökan ska innehålla:

1. ett personligt brev (högst 2 sidor) där du kort motiverar varför du söker denna anställning, inklusive en självutvärdering om varför du skulle vara rätt kandidat för denna anställning;
2. en meritförteckning;
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. 

Samtliga sökande skall också ange tidigaste möjliga datum för anställning.

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 februari 2024 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Antônio Horta Ribeiro, antonio.horta.ribeiro@it.uu.se, https://antonior92.github.io/

Välkommen med din ansökan senast den 25 oktober 2024, UFV-PA 2024/3095.