Postdoktor inom djupinlärningsbaserade metoder för dynamisk strukturbestämning - Under tillsättning eller tillsatt, ej sökbar

Tjänsten är delad mellan Prof. Thomas Schön vid Institutionen för informationsteknologi och Prof. Johan Elf vid Institutionen for cell och molekylärbiologi (ICM). Genom samarbetet skapas möjligheten att utveckla nya djupinlärningsbaserade metoder för att studera biologiska processer av central betydelse. Det finns även utmärkta möjligheter att interagera med ledande forskningsgrupper i Sverige genom våra anknytningar till nätverket WASP (https://wasp-sweden.org/) och inom Europa genom våra anknytningar till nätverket ELLIS (https://ellis.eu/).

Institutionen för informationsteknologi har en framskjuten position inom såväl forskning som utbildning på alla nivåer. Thomas Schön utvecklar både teori och konkreta verktyg för datadriven inlärning, resonerande, samt agerande för att förbättra både människors och maskiners förståelse av komplexiteten i den verkliga världen. Fokus ligger på probabilistiska modeller som gör det möjligt att systematiskt representera och hantera osäkerheten som finns i mätdata. Mer info: http://user.it.uu.se/~thosc112/index.html. Johan Elfs forskargrupp vid programmet för molekylär systembiologi arbetar tvärvetenskapligt för att undersöka livet på molekylnivå med hjälp av storskalig genteknik och känsliga mätmetoder. Mer info: https://elflab.icm.uu.se/

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

Arbetsuppgifter  
Du kommer att ansvara för utvecklingen av flexibla, icke-parametriska modeller för analys av mätsekvenser från flera instanser av ett studieobjekt som förändras över tid. I samarbete med forskare på ICM kommer du att använda dessa modeller för att härleda en 4D-struktur av den bakteriella kromosomen utifrån bildsekvenser. En sådan struktur skulle ha stor betydelse för cellbiologin som forskningsfält och besvara många hittills olösta frågor om kromosomstrukturens inverkan på genreglering samt mikrobiell fysiologi and patologi.

Tjänsten innebär forskning på heltid. 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, mikrobiologi, mikrofluidik samt bildanalys. Som postdoktor vi institutionen för informationsteknologi kommer du att kunna dra nytta av den starka forskningsmiljön vid Uppsala universitet inom maskininlärning. Samtidigt innebär samarbetet med ICM en god inblick i hur data genereras och möjligheten att påverka tillgången på träningsdata.

Kvalifikationskrav
Doktorsexameninom maskininlärning, signalbehandling, beräkningsintensiv statistik, eller närliggande område eller en utländsk examen som bedöms motsvara doktorsexamen inom maskininlärning, signalbehandling, beräkningsintensiv statistik, eller närliggande 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.

För att komma ifråga för tjänsten ska du ha goda kunskaper inom maskininlärning (specifikt modellering av dynamiska system), samt en självmotiverad och kreativ personlighet och ett stort intresse för grundforskning. 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
Publikationer vid ledande konferenser inom maskininlärning är en fördel.

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 enligt centralt kollektivavtal. Omfattningen är heltid. Tillträde enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Professor Thomas Schön (tel: 018-471 2594, e-post: thomas.schon@it.uu.se) eller Professor Johan Elf (tel: 018-471 4678, e-post: johan.elf@icm.uu.se).

Välkommen med din ansökan senast den 14 mars 2022, UFV-PA 2022/264.