{
  "$type": "site.standard.document",
  "bskyPostRef": {
    "cid": "bafyreic5ro5vrwklyyhkntthwx2tflca6jj5jfummo3g4f525gp2qalejm",
    "uri": "at://did:plc:slh5laomicgzqkctcza5reoo/app.bsky.feed.post/3mgd77oo7oub2"
  },
  "path": "/ext/I011/853/main?site=6&validator=c5f766a55eafbb016232008485a24b49&lang=SE&rmpage=job&rmjob=28666",
  "publishedAt": "2026-03-05T22:59:00.000Z",
  "site": "https://web103.reachmee.com",
  "tags": [
    "WASP",
    "ELLIIT",
    "Berzelius",
    "EuroHPC Arrhenius",
    "europeisk AI-fabrik",
    "European Rising Innovative City",
    "avdelningen för statistik och maskininlärning (STIMA)",
    "institutionen för datavetenskap",
    "Sebastian Mair",
    "Sustainable Artificial Intelligence for Sciences (SAINTS) Lab",
    "Raghavendra Selvan",
    "här.",
    "här",
    "Hjälp för sökande"
  ],
  "textContent": "Vi söker en doktorand för hållbar och resurseffektiv maskininlärning.\n\n## **Dina arbetsuppgifter\n**\n\nMaskininlärning har nyligen utvecklats genom skalning av modellstorlekar, utbildningsbudgetar och datamängder; ofta till betydande beräknings- och miljökostnader. Detta doktorandprojekt inriktar sig på hållbar och resurseffektiv maskininlärning med fokus på metoder som minskar beräkningskraft, energianvändning, minnes- och lagringsbehov och tillhörande koldioxidutsläpp samtidigt som man strävar efter att bibehålla modellkvaliteten.\n\nDitt arbete kommer att omfatta utveckling av nya metoder och algoritmer för resurseffektiv inlärning, till exempel via dataval och filtrering (med beaktande av att inte all data är lika informativ). Du kommer också att undersöka kompletterande metoder som minskar inferens- och driftsättningskostnader (t.ex. modellkomprimering/förenkling och hårdvarumedveten optimering). Även ett intresse att undersöka hur resurseffektivitet interagerar med bredare hållbarhetsaspekter av maskininlärning, såsom robusthet, likabehandling och tillgänglighet.\n\nDu kommer att designa och köra reproducerbara experiment, mäta relevanta resursmått, implementera prototyper i Python och kommunicera resultat genom publikationer och forskningspresentationer. Den exakta forskningsinriktningen kommer att definieras tillsammans med dina handledare.\n\nSom doktorand ägnar du dig åt din forskarutbildning och forskningsprojekt där du ingår. I ditt arbete kan även ingå att undervisa eller att delta i andra institutionsuppdrag, upp till 20 procent av heltid.\n\n## **Dina kvalifikationer\n**\n\nDu har avlagt examen på avancerad nivå i maskininlärning, datavetenskap, matematik, statistik, fysik eller ett relaterat område som anses relevant för projektets forskningsämne, eller slutfört kurser om minst 240 högskolepoäng varav minst 60 högskolepoäng på avancerad nivå inom ovan nämnda ämnesområden eller på något annat sätt förvärvat i huvudsak motsvarande kunskaper. Du måste kunna kommunicera flytande i muntlig och skriftlig engelska.\n\nDet är meriterande att du har gedigna programmeringskunskaper i Python, goda kunskaper i LaTeX och versionshanteringssystem (git) och är bekväm med att arbeta med (fjärrstyrda) GNU/Linux-system.\n\nDet är starkt meriterande att du har utmärkta studieresultat och en stark bakgrund inom matematik. Du är skicklig på att implementera nya modeller och algoritmer i en lämplig programvarumiljö, med dokumenterad erfarenhet. Du har en stark drivkraft att utföra grundforskning, förmåga och intresse för att arbeta tillsammans och starka kommunikationsförmågor är starkt meriterande.\n\n## **Din arbetsplats**\n\nLinköpings universitet är en av de ledande AI-institutionerna i Sverige. Vi har starka kopplingar till framstående nationella forskningsinitiativ, såsom WASP och ELLIIT. Du kommer att ha tillgång till toppmodern datorinfrastruktur för maskininlärning, t.ex. genom Berzelius. Linköpings universitet kommer också att vara värd för EuroHPC Arrhenius och en europeisk AI-fabrik (MIMER), som en av de sju platser i Europa som valdes ut i den första omgången. Linköping vann nyligen European Capital of Innovation Awards som European Rising Innovative City.\n\nTjänsten är formellt placerad vid avdelningen för statistik och maskininlärning (STIMA) inom institutionen för datavetenskap. Vid STIMA bedrivs forskning och utbildning inom både statistik och maskininlärning, på grundnivå, avancerad nivå och doktorandnivå. Vi publicerar regelbundet gedigna bidrag på de bästa maskininlärningskonferenserna. STIMA kännetecknas av en modern syn på det statistiska ämnet, där probabilistiska modeller kombineras med beräkningsalgoritmer för att lösa utmanande komplexa problem, samt en statistisk syn på maskininlärning som tydligt integrerar de två ämnesområdena inom avdelningen.\n\nProjektet kommer att genomföras i ett samarbete mellan STIMA (huvudhandledare: Assistant Professor Sebastian Mair) och Sustainable Artificial Intelligence for Sciences (SAINTS) Lab (bihandledare: Assistant Professor Raghavendra Selvan) vid Institutionen för datavetenskap vid Köpenhamns universitet i Danmark. Vi kommer att sträva efter ett nära samarbete mellan grupperna.\n\n## **Om anställningen**\n\nI samband med tillträde till anställningen kommer du att antas till forskarutbildningen. Läs mer om respektive fakultets forskarutbildning här.\n\nAnställningen är tidsbegränsad till normalt fyra år heltid. Förlängning av anställning upp till fem år sker utifrån grad av undervisnings- och institutionsuppdrag. Vid särskilda skäl kan ytterligare förlängning ske. Du anställs till en början på ett år, och därefter förnyas anställningen med högst två år i taget, utifrån uppnådd studieplan.\n\nTillträde enligt överenskommelse.\n\n## **Lön och förmåner**\n\nDoktorandlönen regleras utifrån en lokalt avtalad lönestege. Läs mer om förmåner för anställda här.\n\n## **Fackliga kontaktpersoner\n**\n\nInformation om fackliga kontaktpersoner, se Hjälp för sökande.\n\n## **Ansökan\n**\n\nDu söker denna anställning genom att klicka på knappen ”Ansök” nedan. Din ansökan ska vara Linköpings universitet tillhanda senast den 24 april, 2026. Ansökan som inkommer efter sista ansökningsdag beaktas inte.\n\nOm möjligt ser vi gärna att du skickar in din ansökan på engelska. I din ansökan, vänligen bifoga:\n\n  * Ett personligt brev som presenterar dig själv, din motivation för att doktorera, varför du är intresserad av detta projekt och hur du passar in i tjänsten (max två sidor). Vänligen ange ditt önskade startdatum.\n  * Meritförteckning.\n  * Utdrag av master- och kandidatexamensstudier.\n  * En kopia (eller ett utkast) av din masteruppsats. Alternativt, annan typ av vetenskaplig text från dig, t.ex. din kandidatuppsats.\n  * Publikationslista, om tillgänglig.\n  * Kontaktuppgifter till två referenser och din relation till dem.\n\n",
  "title": "Doktorand för hållbar och resurseffektiv maskininlärning"
}