Forskare med expertis inom maskininlärning

Vill du vara med om att producera morgondagens kunskap om klimat och utveckla kvalificerat beslutsunderlag för samhälle och näringsliv? För att möta samhällets förväntningar på prognos av klimatet kompletterar nu Rossby Centre vid SMHIs forskningsavdelning verksamheten. Vi erbjuder en stimulerande miljö med mycket externa kontakter och flexibla arbetsformer.

Rossby Centre är SMHIs klimatmodelleringsenhet. Här bedrivs forskning kring klimat och klimateffekter med klimatmodeller som används för beräkning av framtida klimatscenarier. SMHI deltar i nationella och internationella projekt med forskning kring klimatprocesser, utveckling av klimatmodeller och nya former av klimatinformation. Forskningen ökar förståelsen av klimatet och är ett viktigt underlag till klimattjänster och samhällets aktörer. Utveckling av klimatinformation och motsvarande data är viktigt för beslutsfattning om anpassningsåtgärder i samhället och näringslivet.

Om tjänsten

Vi söker nu en forskare med expertis i maskininlärning (ML) som i tätt samarbete med klimatexperter på Rossby Centre kan ta fram nya metoder för regionalisering (nedskalning) av klimatdata från globala klimatmodeller. Centrala uppgifter är att välja ut och använda ML-metoder (convolutional neural networks eller annan lämpliga neural network arkitektur) till klimatdata från globala klimatmodeller för att förfina dess skala till en km-skalig rumslig upplösning, att utvärdera metoden och att kvantifiera resultatets kvalitet samt skriva rapporter eller vetenskapliga publikationer om resultat. Uppgifter i samband med detektion av extrema händelser eller med utveckling av ML-metoder för tuning och spin-up av klimatmodeller kan tillkomma.  

SMHI erbjuder två års visstidsanställning med placering vid SMHIs huvudkontor i Norrköping.

Din profil

Vi söker dig som har en examen från universitet eller högskola inom matematik, fysik, beräkningsvetenskap, klimatvetenskap eller annat som SMHI bedömer som närliggande område. Doktorsexamen eller jämförbar kompetens krävs. Du ska ha dokumenterad erfarenhet av användande av ML-metoder och ska förstå innebörden av alternativa val av ML-metoder. Du har god vana att arbeta med datorsystem i Linux-miljö med Python och kan hantera stora datamängder. Kunskaper i programmeringsspråket Fortran, C eller i Shellscript är meriterande. Kompetens inom atmosfär- och klimatforskning, eller med klimatdata från klimatmodeller, speciellt i netcdf format, ses också som meriterande.

Vi lägger stor vikt vid personliga egenskaper som att förmåga till att samarbeta och arbeta i grupp, din förmåga att analysera samt planera och driva arbetet framåt. Du är ansvars- och initiativtagande i ditt arbete och uppskattar att samarbeta ihop med kollegor. Det förväntas vara van av att leverera resultat på utsatt tid med god kvalitet.

Du har goda kunskaper i engelska, både i tal och skrift. Kunskaper i svenska är en fördel och om kunskaper i svenska saknas efterlyses en tydlig vilja att lära sig svenska.

Vi ser det som en fördel om du redan har tillstånd att bo och arbeta i Sverige (ex EU-medborgarskap). 

Vill du veta mer?

Om du tycker detta låter intressant och vill veta mer, hör av dig till Torben Koenigk, gruppchef för globalmodellering på Rossby Centre. Har du frågor om rekryteringsprocessen kontakta Anders Magnestrand HR specialist. Fackliga representanter är för SACO Lennart Robertson och för ST Thomas Bosshard. Samtliga kan nås på telefon 011 495 8000 eller e-post fornamn.efternamn@smhi.se.

Välkommen med din ansökan senast den 3 april 2022.


SMHI är en svensk expertmyndighet med globalt perspektiv och en livsviktig uppgift i att förutse förändringar i väder, vatten och klimat. Med vetenskaplig grund och genom kunskap, forskning och tjänster bidrar vi till att öka hela samhällets hållbarhet. Varje dag, dygnet runt, året om.

Tänk på att de handlingar och uppgifter du skickar till SMHI genom din ansökan blir en allmän handling. Detta betyder att allt material i ansökan, inklusive bilagor, kan behöva lämnas ut till den som begär det om uppgifterna inte omfattas av sekretess enligt offentlighets- och sekretesslagen. Tänk på att i första hand skriva det som du bedömer är relevant i förhållande till kraven på tjänsten. Tänk på din integritet och undvik att lämna information som innehåller känsliga personuppgifter, uppgifter om din eller närståendes hälsa, politiska åsikter eller religiös övertygelse.