Doktorand i datavetenskap med inriktning mot Data Science

Umeå University is dedicated to providing creative environments for learning and work. We offer a wide variety of courses and programmes, world leading research, and excellent innovation and collaboration opportunities. More than 4 300 employees and 33 000 students have already chosen Umeå University. We welcome your application!




Projekt: Utveckling av autonoma, självlärande system som kan förklara sitt agerande

Umeå universitet, Institutionen för datavetenskap söker en doktorand i datavetenskap med inriktning mot data science.

Sista ansökningsdag är den 28 februari.

Institutionen för datavetenskap är en dynamisk institution med mer än 100 anställda från drygt 20 länder. Vi bedriver utbildning och forskning inom ett brett spektrum av det datavetenskapliga området, och erbjuder utbildning på grundnivå, avancerad nivå och forskarnivå. Institutionens forskning är internationellt väletablerad och omfattar grundforskning, metodutveckling och programutveckling men även forskning och utveckling inom olika tillämpningsområden. Arbetet utförs under ledning av professor Kary Främling (data science) och omfattar ämnesområden som artificiell intelligens och olika maskininlärningsmetoder. Dessutom är semantiska nät och teknologier, neurala nät, regelbaserade system och belöningsbaserad inlärning (reinforcement learning) nyckelord för arbetet.

KAW och WASP
Projektet finansieras av Knut och Alice Wallenbergs stiftelse (KAW). Studenten kommer att vara associerad med  WASP-AS (se https://wasp-sweden.org/about-us/wasp-as/) eller WASP-AI (se https://wasp-sweden.org/about-us/wasp-artificial-intelligence/) forskarskola. Forskarskolorna inom WASP erbjuder grunder, nya perspektiv och spetskunskap inom olika vetenskaper med undervisning av ledande forskare. De erbjuder ett mervärde utöver universitetens existerande doktorandprogram och en unik möjlighet för studenter som lockas av internationell forskning i världsklass med hög industriell relevans.

Projektbeskrivning
Doktoranden ska ha en inriktning på metoder för maskininlärning som klarar av att upptäcka och förutspå fel eller problem med autonoma system och maskiner och också kunna förbättra sådana systems effektivitet under deras användning. Förutom att lära sig förutspå fel är det också allt mera nödvändigt att garantera att autonoma system fungerar rationellt och på ett tryggt sätt, speciellt då det handlar om maskiner som är i fysisk kontakt med människor, såsom autonoma fordon. Dylika system ställer höga krav på pålitlighet, robusthet, stabilitet och automatisk själv-bedömning av systemets kompetens att klara av olika situationer. För att möta sådana krav måste framtida system kunna förklara och motivera sina beslut och handlingar även till vanliga slutanvändare. Annars finns det en risk för att människor och samhället tappar sin tilltro till artificiell intelligens och maskininlärning.

Forskningen kommer att vara fokuserad speciellt på följande områden:

- Intelligent styrning: Utveckla och tillämpa inlärningsmetoder för självlärande och självoptimerande styrning.
- Inbyggd intelligens: Allt mera minnes- och räkne kapacitet kan byggas in i olika system, som därmed kan lära och adaptera sig till olika situationer och förhållanden. Dessutom kan inbyggda system kommunicera med andra system (inbyggda, I “molnet” eller annanstans) och koppla ihop sig med dem för att få mera omfattande information och kunna optimera funktionen hos större system.
- Förklarande AI (Explainable AI) för autonoma system som är integrerade i diverse smarta omgivningar. Samarbete med industriella och samhälleliga aktörer är önskvärt och understödes aktivt. Exempel på smarta omgivningar hittas inom tillverkande industri, städer, hus, trafik o.s.v.
Om anställningen
Anställningen syftar till en doktorsexamen och är tidsbegränsad till fyra år heltid eller upp till fem år vid undervisning deltid (max 20%). Doktorandanställningen förväntas vara tillsatt 2020-05-01, eller enligt överenskommelse.

Kvalifikationer
De grundläggande behörighetskraven för att bli antagen till utbildning på forskarnivå är avlagd examen på avancerad nivå, eller slutförda kurser om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå, eller motsvarande utländsk utbildning, eller motsvarande kvalifikationer. De särskilda behörighetskraven för att antas till utbildning på forskarnivå i datavetenskap är slutförda kurser på avancerad nivå om minst 60 högskolepoäng i datavetenskap eller i ett annat ämne som bedöms vara direkt relevant för den aktuella forskningsinriktningen.

Sökande förväntas ha en bakgrund i datavetenskap, helst med specialisering inom artificiell intelligens eller maskininlärning. Kunskap inom distribuerad (web)programmering och databehandling räknas också som en merit. En mycket god förståelse för grundläggande begrepp inom datavetenskap och god programmerings-erfarenhet är viktiga egenskaper. Erfarenhet av Internet of Things (IoT) eller forskningsprojekt relaterade till IoT är en merit. Eftersom forskningen sker i samverkan med internationella forskare inom olika discipliner krävs god samarbetsförmåga. Ett krav är att den sökande måste kunna både tala och skriva engelska flytande.

Ansökan
Ansökan ska innehålla:

- Ett personligt brev med kort beskrivning av dina forskningsintressen och en motivering varför du söker, samt din kontaktinformation
- En meritförteckning (CV)
- I förekommande fall kopior av kandidat- och masteruppsatser, samt andra vetenskapliga publikationer
- Betygskopior, examensbevis, samt dokumentation över avslutade akademiska kurser
- Kontaktinformation för två tillfrågade kontaktpersoner

Ansökan ska göras via e-rekryteringssystemet Varbi och vara inkommen senast 2020-02-28. Referensnummer: AN 2.2.1-79-20.

Då vi eftersträvar en jämnare könsfördelning inom institutionen, uppmuntrar vi kvinnor som sökande.

Enligt Högskoleförordningen (12 kap, 2§) kan beslutet om anställning inte överklagas.

Närmare upplysningar lämnas av Professor Kary Främling, Kary.Framling@cs.umu.se

Välkommen med din ansökan!

Umeå University wants to offer an equal environment where open dialogue between people with different backgrounds and perspectives lay the foundation for learning, creativity and development. We welcome people with different backgrounds and experiences to apply for the current employment.


We kindly decline offers of recruitment and advertising help.