Postdoktor inom interaktiv och förklarlig maskininlärning för människa-robotinteraktion - Under tillsättning eller tillsatt, ej sökbar

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. 

Denna anställning är en del av en lika villkorssatsning vid institutionen för informationsteknologi.   

Anställningen är placerad vid avdelningen för systemteknik samt kommer att ha ett nära samarbete med Uppsala Social Robotics Lab. Projektet kommer att ledas av Katie Winkle (Vi3; Människa-Maskininteraktion) och David Sumpter (Systemteknik). 

Arbetsuppgifter
Projektet sammanför människa-robotinteraktion med förklarlig maskininlärning inom ett projekt som utvecklar robotar som kan "läras ut" en uppgift till olika användare. Projektet syftar till att skapa ett kontextuellt, socialt lämpligt maskinbeteende som följer EU “Ethics Guidelines for Trustworthy AI”.

Huvuduppgifterna är att:

• Identifiera, designa och implementera maskininlärningssystem som hjälper användare att generera och kontrollera träningsdata som systemet kommer att lära sig från.
• Designa och implementera visualiseringar/maskinkommunikation som stöder olika användarförståelse av maskininlärningsprocessen och hjälper till att identifiera (t.ex. könsbaserade) fördomar inom utbildningsexempel som genereras.

Dessa system kommer att användas i projekt om "lärande robotar" för datorutbildning och expertlärda sociala robotar för hälsa som för närvarande genomförs vid Social Robotics Lab.

Anställningen är inriktad mot forskning i det beskrivna forskningsprojektet och omfattar en begränsad mängd undervisning och/eller institutionstjänstgöring, men inte mer än 20%.

Kvalifikationskrav
Doktorsexamen i datavetenskap, maskininlärning eller robotik eller en utländsk examen som bedöms motsvara doktorsexamen i datavetenskap, maskininlärning eller robotik. 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.

Kunskap och visad erfarenhet av att designa, implementera och utvärdera maskininlärningssystem krävs. God kommunikationsförmåga i engelska, både i tal och skrift, krävs.

Önskvärt/meriterande i övrigt
Erfarenhet av interaktiv maskininlärning från demonstration eller förklarlig maskininlärning är meriterande, liksom erfarenhet av att arbeta med och implementera robotarkitekturer (d.v.s. system bestående av robot(ar) plus flera externa in-/utgångsenheter).

Ett intresse för de sociala och etiska konsekvenserna av AI och robotik skulle vara särskilt uppskattat.

Ansökan ska innehålla:

• Ett följebrev som kort beskriver din motivation för att söka denna tjänst och detta projekt, och anger tidigast möjliga anställningsdatum (max 1 sida).
• En meritförteckning (CV).
• En kopia av relevanta diplom och betyg (översatta till svenska eller engelska).
• En lista över publikationer.
• Ett forskningsutlåtande som beskriver hur din tidigare och nuvarande forskningserfarenhet kan bidra till detta projekt (max 2 sidor).
• Kontaktinformation för två referenser.

Om anställningen 
Anställningen är tidsbegränsad i 2 år enligt centralt kollektivavtal. Omfattningen är heltid. Tillträde enligt överenskommelse, dock senast 30/6 2024. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Katie Winkle, e-postadress katie.winkle@it.uu.se eller David Sumpter, e-postadress david.sumpter@it.uu.se,+4618471 6226

Välkommen med din ansökan senast den 5 januari 2024, UFV-PA 2023/4299.