Postdoktor inom maskininlärning och reglerteknik

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 långsiktig skillnad i samhället. Vår viktigaste tillgång är alla de individer som med sin nyfikenhet och sitt engagemang gör Uppsala universitet till en av landets mest spännande arbetsplatser. Uppsala universitet har drygt 54 000 studenter, mer än 7 500 anställda och en omsättning på cirka 8 miljarder kronor.




Institutionen för informationsteknologi har en ledande position inom såväl forskning som utbildning på alla nivåer.

Institutionen har i dag ca 300 anställda varav 120 lärare och 110 doktorander. Drygt 4000 studenter läser en eller flera kurser vid institutionen varje år och ett 30-tal forskargrupper är kopplade hit. Mer information om oss hittar du på institutionen för informationsteknologis webbplats: https://www.it.uu.se/

Institutionen ligger i det nybyggda Ångström hus 10, som innehåller en visualiseringsstudio, ett socialt robotlabb, ett maker space och 3D-printverkstad. Forskare arbetar inom alla områden av IT, från att designa processorer,  människa-dator-interaktion, cybersäkerhet och reglerteknik, till verktyg för cancerforskning och metoder för numerisk analys och maskininlärning.

Uppsala universitet har en lång tradition av framgångsrik forskning – bland sina alumner återfinns 16 nobelpristagare, nu senast Svante Pääbo. Universitetet är unikt när det gäller att kombinera IT med bredare forskning, från biovetenskap till humaniora, och detta samarbete underlättas för närvarande av AI4Research (https://www.uu.se/forskning/ai4research/) och Centrum för tvärvetenskaplig matematik (https://www.math.uu.se/research/cim/).

Läs mer om våra förmåner och hur det är att jobba inom Uppsala universitet: https://uu.se/om-uu/jobba-hos-oss/

På avdelningen för systemteknik utvecklar vi både teori och konkreta verktyg för inlärning, resonerande och agerande utifrån data. Ett övergripande mål är att både människor och maskiner bättre ska förstå komplexiteten i den verkliga världen. Statistiska modeller utgör en central del i vår forskning, vilket gör att vi systematiskt kan representera och hantera den osäkerhet som finns i de flesta data. Data, inlärnings- och besluts-/regleralgoritmer är viktiga komponenter i vår forskning. Vi har ett brett nätverk av starka internationella samarbetspartners över hela världen, till exempel vid University of Cambridge, University of Oxford, University of Sydney, University of Newcastle och Aalto University. Det finns också stora möjligheter till samarbeten med andra ledande maskininlärningsgrupper i Sverige och Europa, genom vårt deltagande i WASP (https://wasp-sweden.org/) och ELLIS (https://ellis.eu/).

Arbetsuppgifter/Projektbeskrivning
Forskning om grundläggande modeller och metoder inom reglerteknik och maskininlärning, särskilt i skärningspunkten mellan reglerteknik och maskininlärning. När systemen blir allt mer komplexa och mängden tillgängliga data växer, blir pålitliga och effektiva datadrivna metoder för reglering mer avgörande. Syftet med detta projekt är att utveckla nya modeller, metoder och teori/analys för datadrivna tillvägagångssätt för att lära sig en regulator. Således ska projektet vila på en grund inom reglerteknik och/eller maskininlärning. De specifika metoderna och teorin kommer att avgöras tillsammans med den framgångsrika sökanden.

Tekniska nyckelord för positionen inkluderar: datadriven reglering, grunder för inlärning av dynamiska modeller, systemidentifiering, datadriven optimering för dynamiska system, förstärkningsinlärning för fysiska system, säker förstärkningsinlärning, statistisk inlärning för dynamiska system och regulatorer. Positionen kan också inkludera undervisning.

Tjänsten kan innehålla undervisning upp till 20% beroende på tillgänglighet och intresse. 

Kvalifikationskrav
Doktorsexamen i maskininlärning, signalbehandling, datorseende, beräkningsintensiv statistik, eller närliggande relevant område eller en utländsk examen som bedöms motsvara doktorsexamen i maskininlärning, signalbehandling, datorseende, beräkningsintensiv statistik, eller närliggande relevant 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.
Den sökande ska ha en gedigen bakgrund inom metodutveckling.
Publikationer vid ledande konferenser inom maskininlärning och/eller ledande konferenser och tidskrifter i reglerteknik är ett stort plus.
Du förväntas kunna undervisa på svenska eller engelska. Goda kunskaper i engelska i tal och skrift är ett krav.

Önskvärt/meriterande i övrigt
Som person är du kreativ, noggrann och har ett strukturerat förhållningssätt. Vid urval bland de sökande kommer vi att bedöma deras förmåga att självständigt driva sitt arbete framåt, att samarbeta med andra, att ha ett professionellt förhållningssätt och att analysera och arbeta med komplexa problem. Stor vikt kommer att läggas vid personliga egenskaper och personlig lämplighet.

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, thomas.schon@it.uu.se eller Biträdande Universitetslektor Per Mattsson, per.mattsson@it.uu.se.

Välkommen med din ansökan senast den 14 april 2023, UFV-PA 2023/852.

Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida: https://uu.se/jobb/ 


Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.


Ansökan tas emot i Uppsala universitets rekryteringssystem.