Postdoktor i säker och resilient maskininlärning och optimering

Uppsala University · Uppsala · Tidsbegränsad anställning · Deadline 2026-12-17

Uppsala universitet söker en **postdoktor i säker och resilient maskininlärning och optimering** för en heltidsanställning på två år med placering i Uppsala. Rollen är knuten till Secure Learning and Control Laboratory och finansieras via ett Wallenberg Academy Fellow-anslag. Arbetet innebär att utveckla ny teori och nya algoritmer för robusta distribuerade system som kan hantera manipulation, felaktiga data och antagonistiska angrepp. Arbetsuppgifterna fördelas på **90 % forskning och 10 % institutionstjänstgöring**, vilket vanligtvis utgörs av undervisning. I uppdraget ingår även samarbete inom forskargruppen samt medhandledning av doktorander, medan den specifika forskningsinriktningen bestäms i samråd med handledaren. Anställningen kan komma att säkerhetsprövas. Behörig är den som har en **doktorsexamen eller utländsk motsvarighet** inom maskininlärning, optimering, datavetenskap, beräkningsmatematik, signalbehandling, reglerteknik eller ett närliggande område, avlagd senast när anställningsbeslutet fattas. Examen bör främst ha avlagts för högst tre år sedan, med avräkning för särskilda skäl såsom föräldraledighet eller sjukdom. Tjänsten kräver dokumenterad metodutveckling inom optimeringsalgoritmer, antagonistisk inlärning, bysantinskt resilient federerad inlärning eller säkerhet för maskininlärning. Vidare krävs goda programmeringskunskaper, erfarenhet av ramverk som PyTorch eller JAX samt mycket goda kunskaper i engelska i tal och skrift. Publikationer vid ledande konferenser eller tidskrifter inom området är starkt meriterande.

Organisation: Uppsala universitet, Institutionen för informationsteknologi

Är du intresserad av att arbeta med säker maskininlärning och distribuerade optimeringsalgoritmer, 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.

Institutionen för informationsteknologi har en ledande position inom såväl forskning som utbildning på alla nivåer. Vi är idag Uppsala universitets tredje största institution och har drygt 350 anställda varav 120 lärare och 120 doktorander. C:a 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionen för informationsteknologis webbplats.

Vid 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 reglerteori, maskininlärning, optimering och nätverksvetenskap, och spänner över olika tillämpningsområden som energisystem, biomedicinska system, neurovetenskap och säkerhet. Vid avdelningen har vi ett brett nätverk av starka internationella samarbetspartners. Det finns också goda möjligheter till samarbeten med andra ledande grupper inom reglerteknik och maskininlärning i Sverige och Europa genom vår anknytning till WASP respektive ELLIS.

Den som anställs kommer att ingå i Secure Learning and Control Laboratory, en växande tvärvetenskaplig forskargrupp som bedriver grundläggande och tillämpad forskning i skärningspunkten mellan cybersäkerhet, reglerteori och maskininlärning. Vår vision är att utveckla metoder för att designa intelligenta autonoma beslutsfattande system som är säkra och motståndskraftiga mot illasinnade angripare och naturliga fel.

Anställningen finansieras av ett Wallenberg Academy Fellow-anslag från Knut och Alice Wallenbergs Stiftelse.

Projektbeskrivning: Säker och resilient inlärning och optimering
Algoritmer för maskininlärning och optimering används i allt högre grad i distribuerade och säkerhetskritiska sammanhang, från federerad inlärning över enheter och organisationer till inlärningsbaserat beslutsfattande i kritisk infrastruktur. Dessa system är sårbara för felaktiga data och opålitliga deltagare, liksom för angripare som förgiftar data, skickar manipulerade (bysantinska) uppdateringar, konstruerar antagonistiska indata eller härleder privat information.

Vårt mål är att utveckla algoritmer för inlärning och optimering med bevisbara garantier för robusthet, säkerhet och integritet mot många olika typer av angripare och naturliga fel. Med utgångspunkt i vår senaste forskning omfattar möjliga forskningsinriktningar bland annat: (i) bysantinskt resilient federerad och distribuerad inlärning; (ii) robusthet mot antagonistiska attacker och säkerhet för maskininlärning samt inlärningsbaserad reglering och beslutsfattande; (iii) skalbara optimeringsalgoritmer för robusthetscertifiering och resilient design; samt (iv) avvägningar mellan noggrannhet, integritet och resiliens i distribuerad inlärning och optimering. Inriktningar som förenar maskininlärning och optimering med reglerteknik är också välkomna.

Den exakta forskningsinriktningen fastställs i dialog mellan den som anställs och handledaren efter anställningen.

Arbetsuppgifter
Postdoktorn kommer att utveckla ny teori och nya algoritmer för säker och resilient maskininlärning och optimering, och bidra till gruppens forskning genom självständigt arbete, samarbeten och medhandledning av doktorander. Anställningen är på två år och omfattar 90 % forskning och 10 % institutionstjänstgöring (vanligtvis undervisning).

Kvalifikationskrav
Doktorsexamen inom ett område med nära anknytning till anställningen, exempelvis maskininlärning, optimering, datavetenskap, beräkningsmatematik, signalbehandling eller reglerteknik. Även utländsk examen som bedöms motsvara doktorsexamen inom något av dessa ämnesområden godtas.

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 stark bakgrund inom metodutveckling för maskininlärning och optimering, dokumenterad inom ett eller flera av följande områden: optimeringsalgoritmer (t.ex. distribuerad eller stokastisk optimering), antagonistisk inlärning (adversarial learning), bysantinskt resilient federerad inlärning eller säkerhet inom maskininlärning. Vidare krävs goda programmeringskunskaper (helst i Python) och erfarenhet av ramverk för maskininlärning (t.ex. PyTorch eller JAX). Mycket god förmåga att uttrycka sig i tal och skrift på engelska krävs.

Som person är du kreativ, noggrann och har ett strukturerat arbetssätt. Vid urvalet kommer vi att bedöma de sökandes 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.

Meriterande kvalifikationer
Publikationer vid ledande konferenser inom maskininlärning (t.ex. NeurIPS, ICML, ICLR eller AISTATS) och/eller i ledande tidskrifter och konferenser inom optimering eller säkerhet är starkt meriterande.

Erfarenhet av, och kurser inom, ett eller flera av följande ämnen: statistisk maskininlärning, distribuerad optimering, stokastiska algoritmer och reglerteori.

För detta projekt värdesätter vi även kunskaper inom säkerhet och integritet.

Ansökan
Ansökan ska innehålla:

1. En meritförteckning (CV).
2. En kopia av relevanta examensbevis och betygshandlingar (översatta till svenska eller engelska).
3. En publikationslista.
4. Upp till tre utvalda publikationer i elektronisk form.
5. En beskrivning av din tidigare och nuvarande forskning (högst en sida) samt ett förslag på framtida forskning (högst en sida). Beskrivningen ska förklara hur din profil passar anställningen.
6. Kontaktuppgifter till två referenspersoner (namn, e-postadress och telefonnummer).
7. Ett personligt brev där du kort beskriver din motivation för att söka anställningen samt tidigast möjliga tillträdesdatum (högst en sida).

Om anställningen
Anställningen är tidsbegränsad i 2 år, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde den 1 februari 2027 eller enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Universitetslektor André Teixeira (telefon: 018-471 54 14, e-post: andre.teixeira@it.uu.se).

Välkommen med din ansökan senast den 17 december 2026, UFV-PA 2026/3639.

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

Jobbfakta

Fält – Värde

Anställningsform – Tidsbegränsad anställning

Anställningen avslutas – 2029-01-31

Anställningens omfattning – Heltid

Tillträde – 2027-02-01

Löneform – Fast lön

Antal lediga befattningar – 1

Sysselsättningsgrad – 100

Ort – Uppsala

Län – Uppsala län

Land – Sverige

Referensnummer – UFV-PA 2026/3639

Publicerat – 2026-11-20

Sista ansökningsdag – 2026-12-17

Sign up to apply

All jobs