Uppsala universitet, Institutionen för informationsteknologi

Vid avdelningen för systemteknik utvecklar vi både teori och konkreta verktyg för inlärning, resonerande och beslutsfattande baserat på data. Ett övergripande mål är att förbättra både människors och maskiners förståelse av komplexiteten i den verkliga världen. En viktig del i vår forskning är probabilistiska modeller som gör att vi systematiskt kan representera och hantera den osäkerhet som finns i alla data. Data och inlärningsalgoritmer är även de viktiga beståndsdelar i vår forskning. Det är fortfarande en stor utmaning att utveckla effektiva och exakta inlärningsalgoritmer som kan hantera högdimensionella modeller, datarika applikationer, komplexa modellstrukturer och olika datakällor som uppstår i många av de dataanalysproblem som vi för närvarande står inför.

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

Arbetsuppgifter  
Du kommer att ansvara för utvecklingen av flexibla modeller (djupa neurala nätverk) för modellering och analys av system som förändras över tid. Detta inkluderar betydande element av grundforskning inom maskininlärning och även tillämpad forskning i samarbete med forskare inom medicin. Den tillämpade forskningen består av modellering av hosta utgående från inspelat ljud.
Tjänsten innebär forskning till största del och en mindre del undervisning ingår också. Du förväntas driva ditt projekt självständigt och du har frihet att utveckla dina egna idéer inom den övergripande ramen för projektet. Vi erbjuder en stimulerande tvärvetenskaplig miljö där du arbetar nära experter inom djupinlärning, statistik, signalbehandling och medicin. Som postdoktor vid institutionen för informationsteknologi kommer du att kunna dra nytta av den starka forskningsmiljön vid Uppsala universitet inom maskininlärning.

Kvalifikationskrav
Doktorsexamen i maskininlärning eller liknande ämne eller en utländsk examen som bedöms motsvara doktorsexamen i maskininlärning eller liknande ämne. 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.

För att komma ifråga för tjänsten ska du ha goda kunskaper inom maskininlärning (specifikt djupinlärning och modellering av sekvenser/dynamiska system), samt en självmotiverad och kreativ personlighet och ett stort intresse för såväl grundforskning som tillämpad forskning. Eftersom projektet kräver samarbete med forskare både inom och utanför gruppen bör du ha god social kompetens. Du ska kunna kommunicera obehindrat på engelska.

Önskvärt/meriterande i övrigt
Kunskap om djupinlärning, inkluderande praktisk erfarenhet av tillhörande mjukvaruverktyg.

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 snarast. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Professor Thomas Schön (tel: 018-471 2594, e-post: thomas.schon@it.uu.se).

Välkommen med din ansökan senast den 4 juli 2022, UFV-PA 2022/2574.

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 2022/2574
Facklig företrädare
  • Seko Universitetsklubben, seko@uadm.uu.se
  • ST/TCO, tco@fackorg.uu.se
  • Saco-rådet, saco@uadm.uu.se
Publicerat 2022-06-20
Sista ansökningsdag 2022-07-04

Tillbaka till lediga jobb