Doktorand i maskininlärning med fokus på osäkerhetskvantifiering i stora språkmodeller för hälsoforskning

Vill du arbeta osäkerhetskvantifiering i stora språkmodeller för hälsoforskning, 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 vid Institutionen för informationsteknologi, 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 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 the University of Oxford, the University of Melbourne, och the University of California, Los Angeles. Vi strävar efter att alla doktorander ska få en gedigen internationell erfarenhet under sin doktorandtid.

Om forskningsprogrammet DDLS
Doktorandtjänsten är del av det nationella forskningsprogrammet DDLS.

Datadriven livsvetenskap (Data-driven life science, DDLS) använder data, beräkningsmetoder och artificiell intelligens för att studera biologiska system och processer på alla nivåer – från molekylära strukturer och cellulära processer till människors hälsa och globala ekosystem. SciLifeLab och Wallenberg National Program for Data-Driven Life Science (DDLS) syftar till att rekrytera och utbilda nästa generation datadrivna livsvetenskapsforskare samt att skapa globalt ledande kompetens inom beräknings- och datavetenskap i Sverige. Programmet finansieras med totalt 3,3 miljarder kronor över 12 år från Knut och Alice Wallenbergs Stiftelse (KAW).

År 2026 kommer DDLS forskarskola att utökas genom rekrytering av 25 akademiska och 7 industridoktorander. Under programmets gång kommer mer än 260 doktorander och 200 postdoktorer att vara en del av forskarskolan. DDLS-programmet har fyra strategiska forskningsområden: cell- och molekylärbiologi, evolution och biologisk mångfald, precisionsmedicin och diagnostik samt epidemiologi och infektionsbiologi. För mer information, se: https://www.scilifelab.se/data-driven/ddls-research-school/ 

Livsvetenskapens framtid är datadriven. Vill du vara en del av den förändringen? Då är du välkommen att delta i detta unika program!

Vid Uppsala universitet utlyser vi nu en doktorandtjänst inom DDLS med inriktning mot datadriven precisionsmedicin och diagnostik.

Datadriven precisionsmedicin och diagnostik omfattar dataintegration, analys, visualisering och tolkning av data för patientstratifiering, upptäckt av biomarkörer för sjukdomsrisk, diagnostik, läkemedelssvar och hälsouppföljning. Forskningen inom precisionsmedicin förväntas använda befintliga starka resurser i Sverige och internationellt, såsom molekylära data (t.ex. omikdata), bilddata, elektroniska patientjournaler, longitudinella patient- och populationsregister samt biobanker.

Projektbeskrivning
Stora språkmodeller (large language models, LLMs) möjliggör extraktion av klinisk information från ostrukturerad medicinsk text. Nuvarande LLM-baserade metoder saknar dock ofta principfast osäkerhetskvantifiering, vilket begränsar deras tillförlitlighet i vårdtillämpningar. Detta projekt syftar till att utveckla osäkerhetsmedvetna LLM-metoder baserade på probabilistisk modellering. Fokus kommer att ligga på att kvantifiera och utvärdera osäkerhet i både numeriska och kategoriska prediktioner som härleds från medicinska rapporter, samt att integrera dessa osäkerheter i nedströms probabilistiska tid-till-händelse-modeller. Tillämpningarna kommer att fokusera på prostatacancer och använda storskaliga kliniska registerdata samt ostrukturerad medicinsk text. Projektet är tvärvetenskapligt och kommer att innebära nära samarbete med kliniker och epidemiologer.

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
Behörig till utbildning på forskarnivå är den som har:

• avlagt examen på avancerad nivå inom tillämpad matematik, tillämpad statistik, teknisk fysik, fysik, 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 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:

• intresse för osäkerhetsmedveten maskininlärning,
• intresse för maskininlärning inom hälsoforskning,
• god kommunikationsförmåga och tillräckliga kunskaper i engelska i tal och skrift,
• kreativitet, noggrannhet och ett strukturerat arbetssätt i problemlösning.

Starka kunskaper i linjär algebra, sannolikhetsteori och analys krävs. Goda färdigheter i programmering och maskininlärning krävs.

Önskvärt/meriterande i övrigt:
Erfarenhet inom ett eller flera av följande områden är meriterande:

• Bayesiansk statistik
• matematisk modellering
• probabilistisk maskininlärning
• djupinlärning
• stora språkmodeller

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 motiverar varför du söker denna tjänst, inklusive en självutvärdering om varför du skulle vara rätt kandidat för denna tjänst, och ditt beräknade tidigaste startdatum;
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.

Om anställningen 
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 17 augusti 2026 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 14 maj 2026, UFV-PA 2026/982.