Postdoktor inom maskininlärning med fokus på säker federerad maskininlärning Vill du arbeta med maskininlärning och distribuerade algoritmer, med stöd av kompetenta och trevliga kollegor i en internationell miljö? Vill du ha en arbetsgivare som satsar på ett hållbart medarbetarskap och erbjuder trygga, förmånliga arbetsvillkor? Välkommen att söka anställning som postdoktor på Uppsala universitet. Vid avdelningen för Systemteknik, som tillhör institutionen för informationsteknologi, utvecklar vi både teori och konkreta verktyg för att utforma system som lär sig, resonerar och agerar i den verkliga världen baserat på en sömlös kombination av data, matematiska modeller och algoritmer. Vår forskning integrerar expertis från reglerteori, maskininlärning, optimering och nätverksvetenskap, och spänner över olika tillämpningsområden som energisystem, biomedicinska system, neurovetenskap samt säkerhet och resiliens. Arbetsuppgifter Denna tjänsten är en del av ett projekt i säker federerad maskininlärning som finansieras inom VINNOVA:s program Avancerad och innovativ digitalisering. Projektet leds av Scaleout Systems AB tillsammans med Uppsala Universitet. Du kommer att arbeta med universitetslektor https://mp.uu.se/web/profilsidor/start/-/emp/N17-1355 (Uppsala Universitet) och https://mp.uu.se/web/profilsidor/start/-/emp/N7-398 (CTO på Scaleout, universitetslektor på Uppsala Universitet). I det här projektet kommer vi att fokusera på säkerhets- och integritetsförbättrande tekniker för federerad maskininlärning. Tillvägagångssättet är inriktat på att utveckla nya teorier och metoder för att uppnå säker aggregering av federerade maskininlärningsmodeller. Det första målet här är att bättre förstå hur man algoritmiskt hanterar sena och samplingsbaserade modelluppdateringar i praktiken på ett sätt som möjliggör skalbarhet men ändå introducerar minimal modellförspänning. I synnerhet är vi intresserade av att förstå hur klientprovtagning, modellpartitionering och aggregeringsstrategier påverkar och kan integreras i formell säkerhetsanalys. Den exakta forskningsinriktningen kommer att fastställas i samråd mellan den kandidat som anställs och handledarna. Tjänsten kan även innefatta undervisning i närliggande ämnen (max 20%). Kvalifikationskrav Doktorsexamen inom ett område med nära anknytning till denna tjänst, såsom beräkningsmatematik, maskininlärning, reglerteknik, optimering, signalbehandling, eller en utländsk examen som bedöms motsvara doktorsexamen inom något av de ovannämnda områdena. 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 måste ha en stark bakgrund inom metodutveckling och användning av algoritmisk maskininlärning och stokastiska optimeringsalgoritmer. Ytterligare krav för denna tjänst inkluderar färdigheter i programmering (helst i Python), samt kunskap om datavetenskap, med fokus på ett av följande ämnen: distribuerade system, optimering eller maskininlärning. Publikationer vid ledande konferenser inom maskininlärning och/eller ledande konferenser och tidskrifter inom beräkningsmatematik (t.ex. statistik eller optimering) är ett starkt plus. Som person är du kreativ, noggrann och har ett strukturerat arbetssätt. Vid urvalet bland de sökande kommer vi att bedöma deras förmåga att självständigt driva sitt arbete framåt, att samarbeta med andra, att ha ett professionellt förhållningssätt samt att analysera och arbeta med komplexa problem. Stor vikt kommer att läggas vid personliga egenskaper och personlig lämplighet. Utmärkta kunskaper i engelska i tal och skrift är ett krav. Önskvärt/meriterande i övrigt Dessutom är erfarenhet av tvärvetenskaplig forskning en merit. Erfarenhet och kurser i ett eller flera av följande ämnen värdesätts: statistisk maskininlärning, distribuerad optimering och stokastiska algoritmer. För detta projekt värdesätter vi även kunskap inom säkerhet och integritet. Ansökan Ansökan ska innehålla: - En meritförteckning (CV), - En kopia av relevanta examina och betygshandlingar (översatta till svenska eller engelska), - Publikationslista, - Upp till fem utvalda publikationer i elektronisk form, - Beskrivning av din nuvarande och tidigare forskning (max 1 sida) och förslag på framtida forskning (max 1 sida). Vänligen förklara hur din profil passar detta projekt, - Kontaktinformation till två referenser (namn, e-post och telefonnummer), - Ett personligt brev där du kort motiverar varför du söker denna tjänst samt ange tidigast möjliga anställningsdatum (max 1 sida). 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/ Om anställningen Anställningen är tidsbegränsad i 2 år enligt centralt kollektivavtal. Omfattningen är heltid. Tillträde snarast eller enligt överenskommelse. Placeringsort: Uppsala. Upplysningar om anställningen lämnas av: Universitetslektor André Teixeira (telefonnummer: +46 18-471 5414, email: [email protected]). Välkommen med din ansökan senast den 18 april 2024, UFV-PA 2024/791. 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 7 600 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/ Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp. Ansökan tas emot i Uppsala universitets rekryteringssystem.