Postdoktor inom probabilistiska metoder för foundation och world modeller

Vill du arbeta med probabilistisk maskininlärning för nästa generations AI-modeller i en internationell miljö med kompetenta och trevliga kollegor? Välkommen att söka anställning som postdoktor på Uppsala universitet.

Detta är en förkortad version av annonsen. Den fullständiga annonsen finns på Uppsala universitets webbplats, uu.se/jobb.

Institutionen för informationsteknologi är Uppsala universitets tredje största institution med drygt 350 anställda och deltar i Wallenberg AI, Autonomous Systems and Software Program (WASP). Mer information finns på institutionens webbplats.

Anställningen är placerad vid avdelningen för beräkningsvetenskap (TDB), en av världens största forskningsmiljöer inom beräkningsvetenskap och en viktig del av e-vetenskapssamarbetet eSSENCE och av Science for Life Laboratory (SciLifeLab), en nationell forskningsinfrastruktur för livsvetenskaperna.

Du kommer att ingå i forskargruppen Scientific Machine Learning vid TDB och SciLifeLab. Gruppen utvecklar teori, metoder och programvara för datadriven vetenskap, med fokus på osäkerhetskvantifiering i stora förtränade modeller, generativa modeller, simuleringsbaserad inferens samt robust och aktiv inlärning.

ProjektbeskrivningAnställningen erbjuder stor vetenskaplig frihet inom temat probabilistiska metoder för foundation-modeller och world models: att göra dem osäkerhetsmedvetna, kalibrerade, robusta och användbara för vetenskapligt beslutsfattande. Du kan utgå från något av följande eller föreslå ett eget ämne inom temat (beskriv din forskningsinriktning, max 2 sidor): Osäkerhetskvantifiering, kalibrering och tillförlitlighet i stora förtränade modeller. Probabilistiska generativa modeller och world models. Probabilistisk maskininlärning för vetenskaplig upptäckt.

Motiverande tillämpningar finns inom livsvetenskaperna, där gruppen via SciLifeLab samarbetar inom bl.a. mikroskopi, läkemedelsutveckling och precisionsmedicin, med tillgång till verkliga, storskaliga och multimodala data. Tyngdpunkten ligger på grundläggande AI/ML-metodbidrag av hög kvalitet, som tillämpningarna kan dra nytta av.

ArbetsuppgifterForskning, publicering och konferenspresentationer, bidrag till gruppens öppna programvara samt medverkan i handledning av studenter. En begränsad andel undervisning kan ingå (högst 20 %).

KvalifikationskravDoktorsexamen i maskininlärning, datavetenskap, beräkningsvetenskap, matematik, statistik eller ett närliggande område, eller en utländsk examen som bedöms motsvara doktorsexamen inom något av dessa områden. 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.

Dokumenterad forskningserfarenhet av modern djupinlärning samt mycket goda programmeringskunskaper i Python och ett modernt djupinlärningsramverk (t.ex. PyTorch eller JAX) krävs. Goda kunskaper i engelska i tal och skrift krävs. Kandidaten ska tydligt dokumentera en hög grad av självmotivation i ansökan. Stor vikt läggs vid personliga egenskaper såsom kreativitet, noggrannhet, ett strukturerat arbetssätt samt förmåga att arbeta både självständigt och i team.

Önskvärt/meriterande i övrigtPublikationer vid ledande maskininlärnings- eller datorseendekonferenser (NeurIPS, ICML, ICLR, CVPR etc.) är starkt meriterande. Expertis inom Bayesianska metoder, generativa modeller, multimodala modeller, world models eller simuleringsbaserad inferens är meriterande, liksom erfarenhet av storskalig träning på GPU-kluster, öppen programvaruutveckling och tillämpningar inom livsvetenskaperna.

Undervisningserfarenhet är meriterande men inte ett krav. Undervisningserfarenhet kan omfatta t.ex. undervisning, handledning, mentorskap, arbete som hjälplärare, internutbildning eller andra pedagogiska aktiviteter, inom eller utanför högre utbildning. Särskild vikt läggs vid aktiviteter som stödjer studenters lärande inom datavetenskap, informationsteknologi eller närliggande ämnen.

AnsökanAnsökan måste innehålla:

Ett curriculum vitae (CV),

En kopia av relevanta betygsdokument (översatta till svenska eller engelska),

En publikationslista,

Upp till fem utvalda publikationer i elektroniskt format,

En forskningsbeskrivning som beskriver din tidigare och nuvarande forskning (max 1 sida) och ett förslag till framtida aktiviteter (max 1 sida),

Kontaktinformation för två referenser,

Om anställningen

Anställningen är tidsbegränsad i två år enligt centralt kollektivavtal. Omfattningen är heltid. Tillträde 1 november 2026 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Universitetslektor Prashant Singh, prashant.singh@scilifelab.uu.se; Avdelningsföreståndare Elisabeth Larsson, elisabeth.larsson@it.uu.se.

I denna rekrytering har vi ersatt det personliga brevet med frågor som du besvarar i samband med din ansökan. Svaren kommer att användas som en del i urvalsprocessen.

Välkommen med din ansökan senast torsdagen 15 oktober 2026, UFV-PA 2026/2764

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 7 500 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.

Fackliga företrädare: Saco-S - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se