Arbetsbeskrivning

Umeå universitet är ett av Sveriges största lärosäten med över 37 000 studenter och cirka 4 700 anställda. Vid universitetet finns en mångfald av utbildningar av hög kvalitet och världsledande forskning inom flera vetenskapsområden, och här gjordes den banbrytande upptäckten av gensaxen CRISPR-Cas9 som tilldelats Nobelpriset i kemi. Vid Umeå universitet är allt nära. Våra sammanhållna campus gör det lätt att mötas, samarbeta och utbyta kunskap, något som gynnar en dynamisk och öppen kultur. Den samhällsomvandling och de stora gröna investeringar vi ser i norra Sverige skapar enorma möjligheter och komplexa utmaningar. För Umeå universitet handlar det om att bedriva forskning om – och mitt i – ett samhälle i omvandling. Men också om att leverera utbildningar för regioner som behöver expandera fort och hållbart. Det är helt enkelt här framtiden skapas. Är du intresserad av att veta mer? https://www.umu.se/jobba-hos-oss/om-universitetet-som-arbetsplats/ Institutionen för datavetenskap vid Umeå universitet söker en doktorand med inriktning mot maskininlärning. Anställningen omfattar fyra års heltidsstudier och är placerad vid Institutionen för datavetenskap där du får möjlighet att arbeta i en dynamisk miljö med cirka 170 anställda från fler än 20 länder. Som doktorand hos oss har du tillgång till stöd för din karriärutveckling, nätverk, administrativ och teknisk support samt goda anställningsvillkor. För mer information besök Institutionen för datavetenskap. Projektbeskrivning Maskininlärning är en nyckelteknologi inom många forsknings- och utvecklingsområden, och maskininlärning står för mycket av den senaste tidens framgångar inom området artificiell intelligens. Storskalig maskininlärning öppnar upp fantastiska möjligheter inom många olika tillämpningsområden och har genomgått en otrolig utveckling de senaste åren. Storskaliga maskininlärningsmodeller är däremot notoriskt övermodiga. Otillräckliga mängder data att utveckla dem med tillsammans med okända men antagligen stora prediktionsosäkerheter förhindrar ett brett genomslag av dessa metoder. Detta är framför allt ett problem inom tillämpningsområden med krav på robusta och pålitliga lösningar, som t.ex. inom medicinska tillämpningar. Federerad Bayesisk inlärning erbjuder en lösning på de problemen genom flera deltagare som samarbetar och gemensamt tränar en maskininlärningsmodell, men utan att dela data mellan varandra. Bayesiska modeller ger även osäkerhetsskattningar i både modellen och i dess prediktioner, vilket gör att det går att utvärdera osäkerheten i automatiska beslut. Målet med detta projekt är därför att utveckla inlärningsalgoritmer och metoder för kalibrerad Bayesisk federerad maskininlärning för pålitlig gemensam Bayesisk inlärning av data från olika samarbetande källor. Projektet kommer att bidra med nya metoder, teori och algoritmer för Bayesisk maskininlärning med tillämpningar inom bl.a. medicinsk bildanalys. Doktorandanställningen erbjuds inom maskininlärningsprojektet ”Utmaningarna med maskininlärning för medicinsk bildanalys: Brist på data och trovärdighet" som finansieras av Vetenskapsrådet. Projektledare är Tommy Löfstedt, docent och universitetslektor. Kvalifikationer För att bli antagen till utbildning på forskarnivå krävs det att den sökande har grundläggande behörighet genom avlagd examen på avancerad nivå, eller slutförda kursfordringar om minst 240 högskolepoäng varav minst 60 högskolepoäng på avancerad nivå, eller motsvarande utländsk utbildning, eller motsvarande kvalifikationer. För att bli antagen till utbildning på forskarnivå inom ämnet datavetenskap krävs att den sökande har godkända kurser om minst 90 högskolepoäng i ämnet datavetenskap eller som är direkt relevanta för den aktuella specialiseringen. Ett krav för den här doktorandanställningen är att de sökande har mycket goda kunskaper inom projektrelaterade områden, i synnerhet: Maskininlärning, Numeriska metoder, Sannolikhetslära, och Bayesiska metoder och MCMC-algoritmer. Goda programmeringskunskaper är ett krav. Ett krav är också att den sökande måste kunna både tala och skriva engelska flytande. Erfarenheter inom federerad inlärning, datorseende, bildanalys, matematik och statistik är meriterande. Som person har du goda färdigheter i att arbeta både på egen hand och tillsammans med andra. Du är även kreativ och vill på ett aktivt sätt driva din egen utveckling mot att bli en kompetent forskare. Om anställningen Anställningen syftar till en doktorsexamen i datavetenskap, och doktorandens huvuduppgift är att ägna sig åt egen forskarutbildning vilket innefattar såväl deltagande i forskningsprojekt som forskarutbildningskurser. I arbetsuppgifterna kan undervisning och annat institutionsarbete (upp till max 20%) ingå. Anställningen är tidsbegränsad till fyra år heltid eller upp till fem år vid undervisning deltid. Löneplaceringen sker enligt fastställd lönestege för doktorandanställning. Enligt Högskoleförordningen (12 kap, 2 §) kan beslutet om anställning inte överklagas. Förväntat startdatum är 4 maj 2026, eller enligt överenskommelse. En fullständig ansökan ska innehålla: Ett personligt brev som beskriver dina forskningsintressen och varför du söker den utlysta anställningen. Brevet ska också innehålla din kontaktinformation, samt dokumentation och beskrivning av hur du uppfyller de specificerade önskade kvalifikationerna. Curriculum Vitae (CV). Styrkta kopior av examensbevis eller motsvarande och dokumentation av godkända kurser inklusive betyg. Kopior av kandidat- och/eller masteruppsats, samt andra relevanta publikationer om sådana finns. Kontaktinformation till 2-3 referenspersoner. Dokumentation och beskrivning av andra relevanta erfarenheter och kompetenser. Ansökan ska vara skriven på engelska eller svenska. Om bifogade dokument har annat originalspråk än dessa två ska en översättning inkluderas.  Ansökan ska vara inkommen senast 25 januari 2026. Umeå universitet vill erbjuda en jämställd och jämlik miljö där öppna samtal mellan människor med olika bakgrund och perspektiv lägger grunden för lärande, skaparkraft och utveckling. Vi välkomnar därför personer med olika bakgrunder och erfarenheter att söka den aktuella anställningen. Till bemannings- och rekryteringsföretag och till dig som är försäljare: Vi undanber oss vänligen men bestämt direktkontakt med bemannings- och rekryteringsföretag samt försäljare av ytterligare jobbannonser.