Doktorand i maskininlärning med tillämpningar inom precisionsmedicin

Publiceringsdatum: 2025-02-10

Ett spännande jobb som doktorand hos Uppsala Universitet väntar på dig - varför inte söka idag? Detta är ett jobb på heltid där Uppsala Universitet letar efter någon under 6 månader eller längre. Denna position är tillgänglig i Uppsala.

Uppsala Universitet söker för närvarande efter en person att anställa inom doktorand-branschen. Ta en titt på deras lediga tjänst för att se om något av dem passar just dig. Här är chansen att bli en del av Uppsala Universitet och jobba som doktorand! Ansök senast måndag den sjunde april 2025.

Jobbannons

Vill du utveckla nya maskininlärningsmetoder för precisionsmedicin och kliniskt beslutstöd, tillsammans med kompetenta och trevliga kollegor i en 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. https://www.uu.se/institution/informationsteknologi.

Vid https://www.uu.se/kontakt-och-organisation/organisation?query=X61:4 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 University of Cambridge, University of Oxford, Imperial College, Delft University of Technology, University of Sydney, University of Newcastle och Aalto University. Vi strävar efter att alla doktorander ska få en gedigen internationell erfarenhet under sin doktorandtid.

Projektbeskrivning

Maskininlärningsmetoder har potentialen att möjliggöra precisionsmedicin och förbättra kliniskt beslutsstöd. Dessa tillämpningsområden ger samtidigt upphov till nya utmaningar för statistisk inlärningsmetodologier. De innefattar beslut med betydande konsekvenser som kräver hantering av både avvägningar och osäkerheter. Utmaningar uppstår också genom datainsamlingsprocessen som ger upphov till distributionsskiften mellan historisk och framtida data.

Detta projekt fokuserar på grundläggande forskning inom teori och metodik som kan tackla dessa nya utmaningar. Målet är att utveckla nya idéer och metoder som kan hantera osäkerheter och göra explicita avvägningar i prediktiv och preskriptiva maskininlärningsmetoder. Forskningen kommer även innefatta interaktioner med våra kliniska samarbetspartners på Akademiska sjukhuset.

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

Behörighet till utbildning på forskarnivå regleras i högskoleförordningen. Grundläggande behörighet har den som:

• avlagt examen på avancerad nivå inom teknisk fysik, elektroteknik, tillämpad matematik, matematisk statistik, 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 inom eller utom landet 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 https://www.uu.se/medarbetare/fakultet/teknisk-naturvetenskapliga/utbildning-och-undervisning/utbildning-pa-forskarniva/amnen-och-studieplaner/amnen/maskininlarning.

Vi söker kandidater med:

• en solid matematisk grund och ett intresse för statistisk inlärning,
• god kommunikationsförmåga med tillräckliga kunskaper i muntlig och skriftlig engelska,
• utmärkta studieresultat,
• god erfarenhet av programmering (helst i Python, Julia eller Matlab),
• 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: estimeringsteori, statistisk maskininlärning, optimering, signalbehandling, systemidentifiering och reglerteknik.

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i https://regler.uu.se/?languageId=3.

Om anställningen 

Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 20 augusti 2025 eller enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Dave Zachariah, e-post: dave.zachariah@it.uu.se.

Välkommen med din ansökan senast den 7 april 2025, UFV-PA 2025/364.

Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. Vår viktigaste tillgång är alla 7 600 anställda och 53 000 studenter som med nyfikenhet och engagemang gör Uppsala universitet till en av landets mest spännande arbetsplatser.

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

https://uu.se/om-uu/jobba-hos-oss/

Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.

Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.

Ansökan tas emot i Uppsala universitets rekryteringssystem.