Arbetsbeskrivning

Vid avdelningen för avdelningen för Systemteknik utvecklar vi både teori och konkreta verktyg för att designa 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 maskininlärning, optimering, reglerteori och tillämpad matematik, och spänner över olika tillämpningsområden som medicin, energisystem, biomedicinska system, neurovetenskap och säkerhet.

Vid avdelningen har vi ett brett nätverk av långvariga internationella samarbetspartners över hela världen, till exempel vid University of Cambridge, University of Oxford, Imperial College London, University of Sydney, University of Newcastle och Aalto University.

Arbetsuppgifter

Detta projekt fokuserar på att utveckla, analysera och tillämpa nya metoder inom förstärkningsinlärning och modellprediktiv styrning (MPC), både stokastiska och deterministiska formuleringar. Fokus kommer att ligga på att utveckla metoder för robust förstärkningsinlärning och/eller MPC-formuleringar. Vi är särskilt intresserade av miljöer där kostnads- eller belöningsfunktionen är icke-ergodisk. I dessa situationer fångar de förväntade kostnaderna/belöningarna inte beteendet hos individuella utrullningar, vilket kräver nya konstruktioner. Vi kommer att utveckla och analysera generellt tillämpliga algoritmer och modeller tillsammans med våra samarbetspartners. Den postdoktorala forskaren kommer att gemensamt handledas av Assistant Professor Dominik Baumann (Aalto-universitetet) och när det gäller MPC-aspekterna kommer vi att samarbeta med Assistant Professor Johannes Köhler vid Imperial College London.

Tekniska byggstenar kan inkludera förstärkningsinlärning, tillståndsmodeller, MPC, djupinlärning, och probabilistisk modellering i allmänhet.

Tjänsten kan innehålla undervisning upp till 20% beroende på tillgänglighet och intresse. Du förväntas kunna undervisa på svenska eller engelska.

Kvalifikationskrav

Doktorsexamen i maskininlärning, reglerteknik, signalbehandling, eller närliggande relevant område eller en utländsk examen som bedöms motsvara doktorsexamen i maskininlärning, reglerteknik eller signalbehandling. 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.

Vi söker kandidater med:

• ett stort intresse för och erfarenhet av att utveckla nya metoder inom förstärkningsinlärning och/eller modellprediktiv reglering,
• förmåga att kommunicera tekniskt material effektivt i muntlig och skriftlig form (engelska),
• goda arbetskunskaper inom programmering (helst i Python).
• personliga egenskaper, såsom en hög nivå av kreativitet, noggrannhet och/eller ett strukturerat tillvägagångssätt för problemlösning är avgörande.

Publikationer vid ledande konferenser inom maskininlärning och/eller ledande tidskrifter inom reglerteknik är ett stort plus.

Önskvärt/meriterande i övrigt

Erfarenhet av samarbete med företag är bra. 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.

Ansökan ska innehålla:

• En meritförteckning (CV),
• Publikationslista,
• Beskrivning av din nuvarande och tidigare forskning (max 1 sida) och förslag på framtida forskning (max 1 sida),
• Kontaktinformation till två referenser.

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.

Om anställningen

Anställningen är tidsbegränsad i 2 år enligt centralt kollektivavtal. Omfattningen är heltid. Tillträde 1 oktober, 2026 eller enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Professor Thomas Schön, 018 - 471 25 94, [email protected]

Välkommen med din ansökan senast den 21 augusti, 2026, UFV-PA 2026/1965.

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 - [email protected], Seko - [email protected], ST (OFR/S) - [email protected]