Filosof - Lediga jobb

Lunds universitet grundades 1666 och rankas återkommande som ett av världens främsta lärosäten. Här finns omkring 46 000 studenter och 8 500 medarbetare i Lund, Helsingborg och Malmö. Vi förenas i vår strävan att förstå, förklara och förbättra vår värld och människors villkor.

Beskrivning av verksamheten

Du kommer att vara verksam inom forskningsmiljön Microbial Biogeochemistry in Lund (MBLU) vid Biologiska institutionen, Lunds universitet (Microbial Biogeochemistry in Lund), under handledning av professor Johannes Rousk och seniorforskare Dr. Lettice Hicks.

MBLU är en forskningsmiljö som studerar terrestra ekosystem för att öka förståelsen för hur markens mikroorganismer reglerar globala biogeokemiska processer och hur dessa påverkar ekosystemens respons på miljöförändringar. Vi är en tvärvetenskaplig forskargrupp bestående av mikrobiella ekologer, ekosystemekologer, biogeokemister och modellutvecklare som delar en gemensam forskningsvision och kombinerar empiriska studier med modellering.

Vår forskning fokuserar på kol- och näringsomsättning i markekosystem världen över – från arktisk tundra till tropisk regnskog och semiarida gräsmarker. Vi är särskilt intresserade av de faktorer som påverkar den rumsliga och tidsmässiga variationen i mikrobiella samhällens struktur och funktion samt deras motståndskraft mot olika typer av stress. Särskild tonvikt läggs vid miljöfaktorer såsom markfuktighet, temperatur, begränsande näringsämnen, salthalt och pH, liksom antropogena faktorer såsom jordbearbetning, gödsling och metallföroreningar.

Genom fält- och laboratorieexperiment undersöker vi hur mikroorganismer reglerar ekosystemfunktioner och hur dessa påverkas av miljön. Den ekologiska kunskap som genereras integreras därefter i modeller som verkar på olika rumsliga och tidsmässiga skalor.

Att vara doktorand

Som doktorand är du både antagen som student och anställd vid Lunds universitet.

Forskarutbildningen ger dig utbildning i ett vetenskapligt arbetssätt. Du utvecklar förmågan att tänka kritiskt och analytiskt, att självständigt formulera och lösa vetenskapliga problem med lämpliga metoder samt att göra forskningsetiska bedömningar. Under utbildningen får du även möjlighet att medverka i forskningsprojekt samt utveckla din ledarskapsförmåga och pedagogiska kompetens. Genom hela forskarutbildningen får du stöd av dina handledare. Utbildningen avslutas med en doktorsavhandling och doktorsexamen.

Mer information om forskarutbildningen vid Naturvetenskapliga fakulteten finns på naturvetenskap.lu.se

Ämnes- och projektbeskrivning

Vi söker en doktorand som ska undersöka om och hur mikrobiella samhällen i mark kan anpassa sina egenskaper för att förbättra sin funktion under torka och efter att torkan har upphört. Projektet syftar särskilt till att klarlägga hur mikroorganismers motståndskraft (resistance) och återhämtningsförmåga (resilience) mot torka uppkommer samt vilka ekologiska, fysiologiska och/eller evolutionära mekanismer som ligger bakom dessa processer.

Arbetet kommer att kombinera kontrollerade laboratorieexperiment, växthusförsök i krukor samt fältexperiment för att öka förståelsen för hur mikrobiell ekologi påverkar ekosystemens biogeokemi. Det kommer även att finnas möjlighet att integrera pågående studier där experimentella torkförsök genomförts i arktiska och andra terrestra ekosystem.

Projektets centrala analyser omfattar bestämningar av mikrobiell tillväxt i intakta jordprover med hjälp av radioaktiva och stabila isotopspårningsmetoder, liksom mätningar av biogeokemiska processer såsom kol- och näringsomsättning.

Projektet erbjuder en kvalificerad forskarutbildning inom markmikrobiell ekologi och biogeokemi. Arbetet är huvudsakligen laboratoriebaserat men omfattar även möjligheter till fältarbete. Projektet lämpar sig särskilt väl för sökande med bakgrund inom markmikrobiell ekologi, ekosystemekologi och biogeokemi.

Allmän studieplan för forskarutbildning

Arbetsuppgifter

Du kommer framförallt att ägna dig åt din forskarutbildning, som till största delen består av att skriva en doktorsavhandling. Under utbildningen kommer du att lära dig att bestämma mikrobiella tillväxthastigheter i intakta jordprov genom att spåra isotopupptag (stabila- och radioisotoper) i olika biomarkörer. Genom att bestämma tillväxthastigheter under gradienter av miljöbetingelser (t ex vattenhalter) kommer du att kunna bestämma funktionella karaktärsdragssammansättningar, som går att beskriva med matematiska funktioner, som i sin tur går att representera i modeller för ekosystemflöden. För att besvara dina forskningsfrågor kommer du att ha möjlighet att använda en kombination av fältförsök (t ex regnskyddsbehandlingar), växthusförsök och mikrokosmförsök i lab. En stor del av arbetet kommer att vara anknutet till analysmetoder i lab. Du kommer att analysera stora mängder biologiska data som extraherats från dina försökssystem, och använda avancerade analysmetoder samt skriva vetenskapliga artiklar. Du förväntas aktivt delta i pågående projekt i forskargruppen och planera samt genomföra egna analyser av hur mikroorganismers processer beror av tillgång på vatten, och hur de kan anpassa sig till torka. Som forskare kommer du också att presentera din forskning i seminarier och på internationella konferenser. Doktorandutbildningen omfattar även ett antal obligatoriska kurser samt valbara specialkurser som bidrar till din utveckling i att formulera och presentera vetenskapliga frågeställningar. Förutom studierna får maximalt 20 % av arbetstiden ägnas åt undervisning och annat institutionsarbete. Beroende på din bakgrund kan du komma att undervisa i grundläggande kurser i biologi eller mer avancerade kurser såsom mark- och växtekologi.

För att läsa hela annonsen, gå till Lunds universitets hemsida:https://lu.varbi.com/what:job/jobID:953578/

Lunds universitet grundades 1666 och rankas återkommande som ett av världens främsta lärosäten. Här finns omkring 46 000 studenter och 8 500 medarbetare i Lund, Helsingborg och Malmö. Vi förenas i vår strävan att förstå, förklara och förbättra vår värld och människors villkor.

Beskrivning av verksamheten

Du kommer att vara verksam inom forskningsmiljön Microbial Biogeochemistry in Lund (MBLU) vid Biologiska institutionen, Lunds universitet (Microbial Biogeochemistry in Lund), under handledning av professor Johannes Rousk och seniorforskare Dr. Lettice Hicks.

MBLU är en forskningsmiljö som studerar terrestra ekosystem för att öka förståelsen för hur markens mikroorganismer reglerar globala biogeokemiska processer och hur dessa påverkar ekosystemens respons på miljöförändringar. Vi är en tvärvetenskaplig forskargrupp bestående av mikrobiella ekologer, ekosystemekologer, biogeokemister och modellutvecklare som delar en gemensam forskningsvision och kombinerar empiriska studier med modellering.

Vår forskning fokuserar på kol- och näringsomsättning i markekosystem världen över – från arktisk tundra till tropisk regnskog och semiarida gräsmarker. Vi är särskilt intresserade av de faktorer som påverkar den rumsliga och tidsmässiga variationen i mikrobiella samhällens struktur och funktion samt deras motståndskraft mot olika typer av stress. Särskild tonvikt läggs vid miljöfaktorer såsom markfuktighet, temperatur, begränsande näringsämnen, salthalt och pH, liksom antropogena faktorer såsom jordbearbetning, gödsling och metallföroreningar.

Genom fält- och laboratorieexperiment undersöker vi hur mikroorganismer reglerar ekosystemfunktioner och hur dessa påverkas av miljön. Den ekologiska kunskap som genereras integreras därefter i modeller som verkar på olika rumsliga och tidsmässiga skalor.

Att vara doktorand

Som doktorand är du både antagen som student och anställd vid Lunds universitet.

Forskarutbildningen ger dig utbildning i ett vetenskapligt arbetssätt. Du utvecklar förmågan att tänka kritiskt och analytiskt, att självständigt formulera och lösa vetenskapliga problem med lämpliga metoder samt att göra forskningsetiska bedömningar. Under utbildningen får du även möjlighet att medverka i forskningsprojekt samt utveckla din ledarskapsförmåga och pedagogiska kompetens. Genom hela forskarutbildningen får du stöd av dina handledare. Utbildningen avslutas med en doktorsavhandling och doktorsexamen.

Mer information om forskarutbildningen vid Naturvetenskapliga fakulteten finns på naturvetenskap.lu.se

Ämnes- och projektbeskrivning

Vi söker en doktorand som ska undersöka om och hur mikrobiella samhällen i mark kan anpassa sina egenskaper för att förbättra sin funktion under torka och efter att torkan har upphört. Projektet syftar särskilt till att klarlägga hur mikroorganismers motståndskraft (resistance) och återhämtningsförmåga (resilience) mot torka uppkommer samt vilka ekologiska, fysiologiska och/eller evolutionära mekanismer som ligger bakom dessa processer.

Arbetet kommer att kombinera kontrollerade laboratorieexperiment, växthusförsök i krukor samt fältexperiment för att öka förståelsen för hur mikrobiell ekologi påverkar ekosystemens biogeokemi. Det kommer även att finnas möjlighet att integrera pågående studier där experimentella torkförsök genomförts i arktiska och andra terrestra ekosystem.

Projektets centrala analyser omfattar bestämningar av mikrobiell tillväxt i intakta jordprover med hjälp av radioaktiva och stabila isotopspårningsmetoder, liksom mätningar av biogeokemiska processer såsom kol- och näringsomsättning.

Projektet erbjuder en kvalificerad forskarutbildning inom markmikrobiell ekologi och biogeokemi. Arbetet är huvudsakligen laboratoriebaserat men omfattar även möjligheter till fältarbete. Projektet lämpar sig särskilt väl för sökande med bakgrund inom markmikrobiell ekologi, ekosystemekologi och biogeokemi.

Allmän studieplan för forskarutbildning

Arbetsuppgifter

Du kommer framförallt att ägna dig åt din forskarutbildning, som till största delen består av att skriva en doktorsavhandling. Under utbildningen kommer du att lära dig att bestämma mikrobiella tillväxthastigheter i intakta jordprov genom att spåra isotopupptag (stabila- och radioisotoper) i olika biomarkörer. Genom att bestämma tillväxthastigheter under gradienter av miljöbetingelser (t ex vattenhalter) kommer du att kunna bestämma funktionella karaktärsdragssammansättningar, som går att beskriva med matematiska funktioner, som i sin tur går att representera i modeller för ekosystemflöden. För att besvara dina forskningsfrågor kommer du att ha möjlighet att använda en kombination av fältförsök (t ex regnskyddsbehandlingar), växthusförsök och mikrokosmförsök i lab. En stor del av arbetet kommer att vara anknutet till analysmetoder i lab. Du kommer att analysera stora mängder biologiska data som extraherats från dina försökssystem, och använda avancerade analysmetoder samt skriva vetenskapliga artiklar. Du förväntas aktivt delta i pågående projekt i forskargruppen och planera samt genomföra egna analyser av hur mikroorganismers processer beror av tillgång på vatten, och hur de kan anpassa sig till torka. Som forskare kommer du också att presentera din forskning i seminarier och på internationella konferenser. Doktorandutbildningen omfattar även ett antal obligatoriska kurser samt valbara specialkurser som bidrar till din utveckling i att formulera och presentera vetenskapliga frågeställningar. Förutom studierna får maximalt 20 % av arbetstiden ägnas åt undervisning och annat institutionsarbete. Beroende på din bakgrund kan du komma att undervisa i grundläggande kurser i biologi eller mer avancerade kurser såsom mark- och växtekologi.

För att läsa hela annonsen, gå till Lunds universitets hemsida:https://lu.varbi.com/what:job/jobID:953578/

Lunds universitet grundades 1666 och rankas återkommande som ett av världens främsta lärosäten. Här finns omkring 46 000 studenter och 8 500 medarbetare i Lund, Helsingborg och Malmö. Vi förenas i vår strävan att förstå, förklara och förbättra vår värld och människors villkor.

Beskrivning av verksamheten

Du kommer att vara verksam inom forskningsmiljön Microbial Biogeochemistry in Lund (MBLU) vid Biologiska institutionen, Lunds universitet (Microbial Biogeochemistry in Lund), under handledning av professor Johannes Rousk och seniorforskare Dr. Lettice Hicks.

MBLU är en forskningsmiljö som studerar terrestra ekosystem för att öka förståelsen för hur markens mikroorganismer reglerar globala biogeokemiska processer och hur dessa påverkar ekosystemens respons på miljöförändringar. Vi är en tvärvetenskaplig forskargrupp bestående av mikrobiella ekologer, ekosystemekologer, biogeokemister och modellutvecklare som delar en gemensam forskningsvision och kombinerar empiriska studier med modellering.

Vår forskning fokuserar på kol- och näringsomsättning i markekosystem världen över – från arktisk tundra till tropisk regnskog och semiarida gräsmarker. Vi är särskilt intresserade av de faktorer som påverkar den rumsliga och tidsmässiga variationen i mikrobiella samhällens struktur och funktion samt deras motståndskraft mot olika typer av stress. Särskild tonvikt läggs vid miljöfaktorer såsom markfuktighet, temperatur, begränsande näringsämnen, salthalt och pH, liksom antropogena faktorer såsom jordbearbetning, gödsling och metallföroreningar.

Genom fält- och laboratorieexperiment undersöker vi hur mikroorganismer reglerar ekosystemfunktioner och hur dessa påverkas av miljön. Den ekologiska kunskap som genereras integreras därefter i modeller som verkar på olika rumsliga och tidsmässiga skalor.

Att vara doktorand

Som doktorand är du både antagen som student och anställd vid Lunds universitet.

Forskarutbildningen ger dig utbildning i ett vetenskapligt arbetssätt. Du utvecklar förmågan att tänka kritiskt och analytiskt, att självständigt formulera och lösa vetenskapliga problem med lämpliga metoder samt att göra forskningsetiska bedömningar. Under utbildningen får du även möjlighet att medverka i forskningsprojekt samt utveckla din ledarskapsförmåga och pedagogiska kompetens. Genom hela forskarutbildningen får du stöd av dina handledare. Utbildningen avslutas med en doktorsavhandling och doktorsexamen.

Mer information om forskarutbildningen vid Naturvetenskapliga fakulteten finns på naturvetenskap.lu.se

Ämnes- och projektbeskrivning

Vi söker en doktorand som ska undersöka om och hur mikrobiella samhällen i mark kan anpassa sina egenskaper för att förbättra sin funktion under torka och efter att torkan har upphört. Projektet syftar särskilt till att klarlägga hur mikroorganismers motståndskraft (resistance) och återhämtningsförmåga (resilience) mot torka uppkommer samt vilka ekologiska, fysiologiska och/eller evolutionära mekanismer som ligger bakom dessa processer.

Arbetet kommer att kombinera kontrollerade laboratorieexperiment, växthusförsök i krukor samt fältexperiment för att öka förståelsen för hur mikrobiell ekologi påverkar ekosystemens biogeokemi. Det kommer även att finnas möjlighet att integrera pågående studier där experimentella torkförsök genomförts i arktiska och andra terrestra ekosystem.

Projektets centrala analyser omfattar bestämningar av mikrobiell tillväxt i intakta jordprover med hjälp av radioaktiva och stabila isotopspårningsmetoder, liksom mätningar av biogeokemiska processer såsom kol- och näringsomsättning.

Projektet erbjuder en kvalificerad forskarutbildning inom markmikrobiell ekologi och biogeokemi. Arbetet är huvudsakligen laboratoriebaserat men omfattar även möjligheter till fältarbete. Projektet lämpar sig särskilt väl för sökande med bakgrund inom markmikrobiell ekologi, ekosystemekologi och biogeokemi.

Allmän studieplan för forskarutbildning

Arbetsuppgifter

Du kommer framförallt att ägna dig åt din forskarutbildning, som till största delen består av att skriva en doktorsavhandling. Under utbildningen kommer du att lära dig att bestämma mikrobiella tillväxthastigheter i intakta jordprov genom att spåra isotopupptag (stabila- och radioisotoper) i olika biomarkörer. Genom att bestämma tillväxthastigheter under gradienter av miljöbetingelser (t ex vattenhalter) kommer du att kunna bestämma funktionella karaktärsdragssammansättningar, som går att beskriva med matematiska funktioner, som i sin tur går att representera i modeller för ekosystemflöden. För att besvara dina forskningsfrågor kommer du att ha möjlighet att använda en kombination av fältförsök (t ex regnskyddsbehandlingar), växthusförsök och mikrokosmförsök i lab. En stor del av arbetet kommer att vara anknutet till analysmetoder i lab. Du kommer att analysera stora mängder biologiska data som extraherats från dina försökssystem, och använda avancerade analysmetoder samt skriva vetenskapliga artiklar. Du förväntas aktivt delta i pågående projekt i forskargruppen och planera samt genomföra egna analyser av hur mikroorganismers processer beror av tillgång på vatten, och hur de kan anpassa sig till torka. Som forskare kommer du också att presentera din forskning i seminarier och på internationella konferenser. Doktorandutbildningen omfattar även ett antal obligatoriska kurser samt valbara specialkurser som bidrar till din utveckling i att formulera och presentera vetenskapliga frågeställningar. Förutom studierna får maximalt 20 % av arbetstiden ägnas åt undervisning och annat institutionsarbete. Beroende på din bakgrund kan du komma att undervisa i grundläggande kurser i biologi eller mer avancerade kurser såsom mark- och växtekologi.

För att läsa hela annonsen, gå till Lunds universitets hemsida:https://lu.varbi.com/what:job/jobID:953578/

Är du intresserad av att utveckla nya metoder för bildanalys och maskininlärning för precisionsmedicin och kliniskt beslutsstöd? Vill du vara en del av ett forskarteam med skickliga och inspirerande kollegor i en internationell miljö? Söker du en arbetsgivare som erbjuder trygga och förmånliga arbetsförhållanden? Välkommen att söka en doktorandtjänst vid Institutionen för informationsteknologi, 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, med drygt 350 anställda varav 120 lärare och 120 doktorander. Cirka 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionens webbplats.

Projektet leds av professor Nataša Sladoje, inom forskargruppen MIDA – Methods for Image Data Analysis – vid Institutionen för informationsteknologi och genomförs tillsammans med andra forskare vid Centrum för bildanalys som utvecklar beräkningsmetoder med särskilt fokus på djupinlärning och bildanalys. Projektet bygger på ett nära samarbete med forskare vid Institutionen för immunologi, genetik och patologi (IGP) vid Uppsala universitet samt SciLifeLab, den nationella infrastrukturen för life science.

Projektbeskrivning

Immunterapi har blivit ett livräddande alternativ för patienter med långt framskriden cancer. Det är dock bara en minoritet av patienterna som utvecklar ett varaktigt svar. Många forskare arbetar för att bättre förstå komplexiteten i anti-cancerimmunitet och utveckla diagnostiska metoder som exakt förutsäger behandlingens nytta och möjliggör individanpassad cancerbehandlingsplanering. Moderna AI-baserade metoder är essentiella för att föra denna forskningsfront framåt.

Detta projekt är en viktig del av vårt bredare initiativ för att utveckla och använda innovativa, tolkningsbara datadrivna analysmetoder för att avsevärt öka vår förståelse för hur immuncellers inbördes relationer påverkar cancerns mikromiljö. Vi kommer att tillämpa dessa analysmetoder på höginformativa multimodala mikroskopidata och utveckla tekniker för att integrera korrelerad strukturell och molekylär analys i den tredimensionella vävnadsrymden. Denna integration kommer att möjliggöra förbättrad prediktion av sjukdomsprogression och respons på specifika behandlingar.

Arbetsuppgifter

Doktoranden kommer främst att ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%).

Kvalifikationskrav

Grundläggande behörighet har den som:

• avlagt examen på avancerad nivå inom datavetenskap, bildanalys och maskininlärning, teknisk fysik, dataanalys, tillämpad matematik, molekylär bioteknik eller ett annat relaterat område, eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.

Högskolan får för en enskild sökande medge undantag från kravet på grundläggande behörighet, om det finns särskilda skäl. (7 kap. 39 § HF). För särskild behörighet, se studieplanen för ämnet.

De specifika kraven uppfylls genom att ha godkända kurser inom områden relevanta för ämnena bildanalys och maskininlärning, omfattande minst 90 högskolepoäng. Relevanta kurser innefattar, till exempel, bildbehandling, datorseende, maskininlärning, djupinlärning och neurala nätverk, samt kurser i Python, GPU-programmering, matematisk modellering och statistik eller motsvarande.

Vi söker kandidater med:

• En stark akademisk bakgrund och en gedigen förståelse för beräkningar och analys;
• Goda kunskaper i programmering i Python och ramverk för djupinlärning som PyTorch och TensorFlow;
• Utmärkta kommunikationsfärdigheter i både tal och skrift på engelska;
• Kreativitet, noggrannhet och ett strukturerat tillvägagångssätt för problemlösning;
• God samarbetsförmåga, driv och självständighet.

Önskvärt/meriterande i övrigt

Meriterande är:

• Intresse för biomedicinsk forskning och erfarenhet av tillämpning av bildanalys inom medicin;
• Erfarenhet av versionshantering med Git, typsättning med LaTeX och användning av Linux-datorer;
• Erfarenhet av faltnings- och transformer-baserade neuronnät för bildanalys;
• Erfarenhet av grafbaserade metoder och graf-neuronnät;
• Erfarenhet av förklarlig och tolkningsbar AI (XAI).

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.

Ansökan

Ansökan ska innehålla:

• Meritförteckning (CV);
• Kopia av examen/examensbevis och utskrift av kursprotokoll med betyg;
• Examensarbete (eller ett utkast till detta, och/eller annan egenproducerad teknisk eller vetenskaplig text), vetenskapliga publikationer och andra relevanta dokument i elektronisk form;
• Kontaktuppgifter (namn, e-postadresser och telefonnummer) till minst två referenser, med angivelse av sammanhanget, varaktigheten och arten av relationen till kandidaten. Referensbrev kan bifogas som stödjande dokument men är inte ett krav vid ansökningstillfället.
• Ett personligt brev (högst en sida) som inkluderar:
  • Din motivering för att söka denna tjänst;
  • En kort punktlista med tre huvudsakliga akademiska eller vetenskapliga prestationer;
  • Tidigast möjliga startdatum (med skäl om tillämpligt).

Om anställningen

Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde: 1 oktober 2026 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Prof. Nataša Sladoje (e-post: natasa.sladoje@it.uu.se).

Välkommen med din ansökan senast 20 augusti 2026, UFV-PA 2026/2366.

Är du intresserad av att utveckla nya metoder för bildanalys och maskininlärning för precisionsmedicin och kliniskt beslutsstöd? Vill du vara en del av ett forskarteam med skickliga och inspirerande kollegor i en internationell miljö? Söker du en arbetsgivare som erbjuder trygga och förmånliga arbetsförhållanden? Välkommen att söka en doktorandtjänst vid Institutionen för informationsteknologi, 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, med drygt 350 anställda varav 120 lärare och 120 doktorander. Cirka 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionens webbplats.

Projektet leds av professor Nataša Sladoje, inom forskargruppen MIDA – Methods for Image Data Analysis – vid Institutionen för informationsteknologi och genomförs tillsammans med andra forskare vid Centrum för bildanalys som utvecklar beräkningsmetoder med särskilt fokus på djupinlärning och bildanalys. Projektet bygger på ett nära samarbete med forskare vid Institutionen för immunologi, genetik och patologi (IGP) vid Uppsala universitet samt SciLifeLab, den nationella infrastrukturen för life science.

Projektbeskrivning

Immunterapi har blivit ett livräddande alternativ för patienter med långt framskriden cancer. Det är dock bara en minoritet av patienterna som utvecklar ett varaktigt svar. Många forskare arbetar för att bättre förstå komplexiteten i anti-cancerimmunitet och utveckla diagnostiska metoder som exakt förutsäger behandlingens nytta och möjliggör individanpassad cancerbehandlingsplanering. Moderna AI-baserade metoder är essentiella för att föra denna forskningsfront framåt.

Detta projekt är en viktig del av vårt bredare initiativ för att utveckla och använda innovativa, tolkningsbara datadrivna analysmetoder för att avsevärt öka vår förståelse för hur immuncellers inbördes relationer påverkar cancerns mikromiljö. Vi kommer att tillämpa dessa analysmetoder på höginformativa multimodala mikroskopidata och utveckla tekniker för att integrera korrelerad strukturell och molekylär analys i den tredimensionella vävnadsrymden. Denna integration kommer att möjliggöra förbättrad prediktion av sjukdomsprogression och respons på specifika behandlingar.

Arbetsuppgifter

Doktoranden kommer främst att ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%).

Kvalifikationskrav

Grundläggande behörighet har den som:

• avlagt examen på avancerad nivå inom datavetenskap, bildanalys och maskininlärning, teknisk fysik, dataanalys, tillämpad matematik, molekylär bioteknik eller ett annat relaterat område, eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.

Högskolan får för en enskild sökande medge undantag från kravet på grundläggande behörighet, om det finns särskilda skäl. (7 kap. 39 § HF). För särskild behörighet, se studieplanen för ämnet.

De specifika kraven uppfylls genom att ha godkända kurser inom områden relevanta för ämnena bildanalys och maskininlärning, omfattande minst 90 högskolepoäng. Relevanta kurser innefattar, till exempel, bildbehandling, datorseende, maskininlärning, djupinlärning och neurala nätverk, samt kurser i Python, GPU-programmering, matematisk modellering och statistik eller motsvarande.

Vi söker kandidater med:

• En stark akademisk bakgrund och en gedigen förståelse för beräkningar och analys;
• Goda kunskaper i programmering i Python och ramverk för djupinlärning som PyTorch och TensorFlow;
• Utmärkta kommunikationsfärdigheter i både tal och skrift på engelska;
• Kreativitet, noggrannhet och ett strukturerat tillvägagångssätt för problemlösning;
• God samarbetsförmåga, driv och självständighet.

Önskvärt/meriterande i övrigt

Meriterande är:

• Intresse för biomedicinsk forskning och erfarenhet av tillämpning av bildanalys inom medicin;
• Erfarenhet av versionshantering med Git, typsättning med LaTeX och användning av Linux-datorer;
• Erfarenhet av faltnings- och transformer-baserade neuronnät för bildanalys;
• Erfarenhet av grafbaserade metoder och graf-neuronnät;
• Erfarenhet av förklarlig och tolkningsbar AI (XAI).

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.

Ansökan

Ansökan ska innehålla:

• Meritförteckning (CV);
• Kopia av examen/examensbevis och utskrift av kursprotokoll med betyg;
• Examensarbete (eller ett utkast till detta, och/eller annan egenproducerad teknisk eller vetenskaplig text), vetenskapliga publikationer och andra relevanta dokument i elektronisk form;
• Kontaktuppgifter (namn, e-postadresser och telefonnummer) till minst två referenser, med angivelse av sammanhanget, varaktigheten och arten av relationen till kandidaten. Referensbrev kan bifogas som stödjande dokument men är inte ett krav vid ansökningstillfället.
• Ett personligt brev (högst en sida) som inkluderar:
  • Din motivering för att söka denna tjänst;
  • En kort punktlista med tre huvudsakliga akademiska eller vetenskapliga prestationer;
  • Tidigast möjliga startdatum (med skäl om tillämpligt).

Om anställningen

Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde: 1 oktober 2026 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Prof. Nataša Sladoje (e-post: natasa.sladoje@it.uu.se).

Välkommen med din ansökan senast 20 augusti 2026, UFV-PA 2026/2366.

Är du intresserad av att utveckla nya metoder för bildanalys och maskininlärning för precisionsmedicin och kliniskt beslutsstöd? Vill du vara en del av ett forskarteam med skickliga och inspirerande kollegor i en internationell miljö? Söker du en arbetsgivare som erbjuder trygga och förmånliga arbetsförhållanden? Välkommen att söka en doktorandtjänst vid Institutionen för informationsteknologi, 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, med drygt 350 anställda varav 120 lärare och 120 doktorander. Cirka 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionens webbplats.

Projektet leds av professor Nataša Sladoje, inom forskargruppen MIDA – Methods for Image Data Analysis – vid Institutionen för informationsteknologi och genomförs tillsammans med andra forskare vid Centrum för bildanalys som utvecklar beräkningsmetoder med särskilt fokus på djupinlärning och bildanalys. Projektet bygger på ett nära samarbete med forskare vid Institutionen för immunologi, genetik och patologi (IGP) vid Uppsala universitet samt SciLifeLab, den nationella infrastrukturen för life science.

Projektbeskrivning

Immunterapi har blivit ett livräddande alternativ för patienter med långt framskriden cancer. Det är dock bara en minoritet av patienterna som utvecklar ett varaktigt svar. Många forskare arbetar för att bättre förstå komplexiteten i anti-cancerimmunitet och utveckla diagnostiska metoder som exakt förutsäger behandlingens nytta och möjliggör individanpassad cancerbehandlingsplanering. Moderna AI-baserade metoder är essentiella för att föra denna forskningsfront framåt.

Detta projekt är en viktig del av vårt bredare initiativ för att utveckla och använda innovativa, tolkningsbara datadrivna analysmetoder för att avsevärt öka vår förståelse för hur immuncellers inbördes relationer påverkar cancerns mikromiljö. Vi kommer att tillämpa dessa analysmetoder på höginformativa multimodala mikroskopidata och utveckla tekniker för att integrera korrelerad strukturell och molekylär analys i den tredimensionella vävnadsrymden. Denna integration kommer att möjliggöra förbättrad prediktion av sjukdomsprogression och respons på specifika behandlingar.

Arbetsuppgifter

Doktoranden kommer främst att ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%).

Kvalifikationskrav

Grundläggande behörighet har den som:

• avlagt examen på avancerad nivå inom datavetenskap, bildanalys och maskininlärning, teknisk fysik, dataanalys, tillämpad matematik, molekylär bioteknik eller ett annat relaterat område, eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.

Högskolan får för en enskild sökande medge undantag från kravet på grundläggande behörighet, om det finns särskilda skäl. (7 kap. 39 § HF). För särskild behörighet, se studieplanen för ämnet.

De specifika kraven uppfylls genom att ha godkända kurser inom områden relevanta för ämnena bildanalys och maskininlärning, omfattande minst 90 högskolepoäng. Relevanta kurser innefattar, till exempel, bildbehandling, datorseende, maskininlärning, djupinlärning och neurala nätverk, samt kurser i Python, GPU-programmering, matematisk modellering och statistik eller motsvarande.

Vi söker kandidater med:

• En stark akademisk bakgrund och en gedigen förståelse för beräkningar och analys;
• Goda kunskaper i programmering i Python och ramverk för djupinlärning som PyTorch och TensorFlow;
• Utmärkta kommunikationsfärdigheter i både tal och skrift på engelska;
• Kreativitet, noggrannhet och ett strukturerat tillvägagångssätt för problemlösning;
• God samarbetsförmåga, driv och självständighet.

Önskvärt/meriterande i övrigt

Meriterande är:

• Intresse för biomedicinsk forskning och erfarenhet av tillämpning av bildanalys inom medicin;
• Erfarenhet av versionshantering med Git, typsättning med LaTeX och användning av Linux-datorer;
• Erfarenhet av faltnings- och transformer-baserade neuronnät för bildanalys;
• Erfarenhet av grafbaserade metoder och graf-neuronnät;
• Erfarenhet av förklarlig och tolkningsbar AI (XAI).

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.

Ansökan

Ansökan ska innehålla:

• Meritförteckning (CV);
• Kopia av examen/examensbevis och utskrift av kursprotokoll med betyg;
• Examensarbete (eller ett utkast till detta, och/eller annan egenproducerad teknisk eller vetenskaplig text), vetenskapliga publikationer och andra relevanta dokument i elektronisk form;
• Kontaktuppgifter (namn, e-postadresser och telefonnummer) till minst två referenser, med angivelse av sammanhanget, varaktigheten och arten av relationen till kandidaten. Referensbrev kan bifogas som stödjande dokument men är inte ett krav vid ansökningstillfället.
• Ett personligt brev (högst en sida) som inkluderar:
  • Din motivering för att söka denna tjänst;
  • En kort punktlista med tre huvudsakliga akademiska eller vetenskapliga prestationer;
  • Tidigast möjliga startdatum (med skäl om tillämpligt).

Om anställningen

Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde: 1 oktober 2026 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Prof. Nataša Sladoje (e-post: natasa.sladoje@it.uu.se).

Välkommen med din ansökan senast 20 augusti 2026, UFV-PA 2026/2366.

Är du intresserad av att utveckla nya metoder för bildanalys och maskininlärning för precisionsmedicin och kliniskt beslutsstöd? Vill du vara en del av ett forskarteam med skickliga och inspirerande kollegor i en internationell miljö? Söker du en arbetsgivare som erbjuder trygga och förmånliga arbetsförhållanden? Välkommen att söka en doktorandtjänst vid Institutionen för informationsteknologi, 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, med drygt 350 anställda varav 120 lärare och 120 doktorander. Cirka 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionens webbplats.

Projektet leds av professor Nataša Sladoje, inom forskargruppen MIDA – Methods for Image Data Analysis – vid Institutionen för informationsteknologi och genomförs tillsammans med andra forskare vid Centrum för bildanalys som utvecklar beräkningsmetoder med särskilt fokus på djupinlärning och bildanalys. Projektet bygger på ett nära samarbete med forskare vid Institutionen för immunologi, genetik och patologi (IGP) vid Uppsala universitet samt SciLifeLab, den nationella infrastrukturen för life science.

Projektbeskrivning

Immunterapi har blivit ett livräddande alternativ för patienter med långt framskriden cancer. Det är dock bara en minoritet av patienterna som utvecklar ett varaktigt svar. Många forskare arbetar för att bättre förstå komplexiteten i anti-cancerimmunitet och utveckla diagnostiska metoder som exakt förutsäger behandlingens nytta och möjliggör individanpassad cancerbehandlingsplanering. Moderna AI-baserade metoder är essentiella för att föra denna forskningsfront framåt.

Detta projekt är en viktig del av vårt bredare initiativ för att utveckla och använda innovativa, tolkningsbara datadrivna analysmetoder för att avsevärt öka vår förståelse för hur immuncellers inbördes relationer påverkar cancerns mikromiljö. Vi kommer att tillämpa dessa analysmetoder på höginformativa multimodala mikroskopidata och utveckla tekniker för att integrera korrelerad strukturell och molekylär analys i den tredimensionella vävnadsrymden. Denna integration kommer att möjliggöra förbättrad prediktion av sjukdomsprogression och respons på specifika behandlingar.

Arbetsuppgifter

Doktoranden kommer främst att ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%).

Kvalifikationskrav

Grundläggande behörighet har den som:

• avlagt examen på avancerad nivå inom datavetenskap, bildanalys och maskininlärning, teknisk fysik, dataanalys, tillämpad matematik, molekylär bioteknik eller ett annat relaterat område, eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.

Högskolan får för en enskild sökande medge undantag från kravet på grundläggande behörighet, om det finns särskilda skäl. (7 kap. 39 § HF). För särskild behörighet, se studieplanen för ämnet.

De specifika kraven uppfylls genom att ha godkända kurser inom områden relevanta för ämnena bildanalys och maskininlärning, omfattande minst 90 högskolepoäng. Relevanta kurser innefattar, till exempel, bildbehandling, datorseende, maskininlärning, djupinlärning och neurala nätverk, samt kurser i Python, GPU-programmering, matematisk modellering och statistik eller motsvarande.

Vi söker kandidater med:

• En stark akademisk bakgrund och en gedigen förståelse för beräkningar och analys;
• Goda kunskaper i programmering i Python och ramverk för djupinlärning som PyTorch och TensorFlow;
• Utmärkta kommunikationsfärdigheter i både tal och skrift på engelska;
• Kreativitet, noggrannhet och ett strukturerat tillvägagångssätt för problemlösning;
• God samarbetsförmåga, driv och självständighet.

Önskvärt/meriterande i övrigt

Meriterande är:

• Intresse för biomedicinsk forskning och erfarenhet av tillämpning av bildanalys inom medicin;
• Erfarenhet av versionshantering med Git, typsättning med LaTeX och användning av Linux-datorer;
• Erfarenhet av faltnings- och transformer-baserade neuronnät för bildanalys;
• Erfarenhet av grafbaserade metoder och graf-neuronnät;
• Erfarenhet av förklarlig och tolkningsbar AI (XAI).

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.

Ansökan

Ansökan ska innehålla:

• Meritförteckning (CV);
• Kopia av examen/examensbevis och utskrift av kursprotokoll med betyg;
• Examensarbete (eller ett utkast till detta, och/eller annan egenproducerad teknisk eller vetenskaplig text), vetenskapliga publikationer och andra relevanta dokument i elektronisk form;
• Kontaktuppgifter (namn, e-postadresser och telefonnummer) till minst två referenser, med angivelse av sammanhanget, varaktigheten och arten av relationen till kandidaten. Referensbrev kan bifogas som stödjande dokument men är inte ett krav vid ansökningstillfället.
• Ett personligt brev (högst en sida) som inkluderar:
  • Din motivering för att söka denna tjänst;
  • En kort punktlista med tre huvudsakliga akademiska eller vetenskapliga prestationer;
  • Tidigast möjliga startdatum (med skäl om tillämpligt).

Om anställningen

Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde: 1 oktober 2026 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Prof. Nataša Sladoje (e-post: natasa.sladoje@it.uu.se).

Välkommen med din ansökan senast 20 augusti 2026, UFV-PA 2026/2366.

Är du intresserad av att utveckla nya metoder för bildanalys och maskininlärning för precisionsmedicin och kliniskt beslutsstöd? Vill du vara en del av ett forskarteam med skickliga och inspirerande kollegor i en internationell miljö? Söker du en arbetsgivare som erbjuder trygga och förmånliga arbetsförhållanden? Välkommen att söka en doktorandtjänst vid Institutionen för informationsteknologi, 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, med drygt 350 anställda varav 120 lärare och 120 doktorander. Cirka 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionens webbplats.

Projektet leds av professor Nataša Sladoje, inom forskargruppen MIDA – Methods for Image Data Analysis – vid Institutionen för informationsteknologi och genomförs tillsammans med andra forskare vid Centrum för bildanalys som utvecklar beräkningsmetoder med särskilt fokus på djupinlärning och bildanalys. Projektet bygger på ett nära samarbete med forskare vid Institutionen för immunologi, genetik och patologi (IGP) vid Uppsala universitet samt SciLifeLab, den nationella infrastrukturen för life science.

Projektbeskrivning

Immunterapi har blivit ett livräddande alternativ för patienter med långt framskriden cancer. Det är dock bara en minoritet av patienterna som utvecklar ett varaktigt svar. Många forskare arbetar för att bättre förstå komplexiteten i anti-cancerimmunitet och utveckla diagnostiska metoder som exakt förutsäger behandlingens nytta och möjliggör individanpassad cancerbehandlingsplanering. Moderna AI-baserade metoder är essentiella för att föra denna forskningsfront framåt.

Detta projekt är en viktig del av vårt bredare initiativ för att utveckla och använda innovativa, tolkningsbara datadrivna analysmetoder för att avsevärt öka vår förståelse för hur immuncellers inbördes relationer påverkar cancerns mikromiljö. Vi kommer att tillämpa dessa analysmetoder på höginformativa multimodala mikroskopidata och utveckla tekniker för att integrera korrelerad strukturell och molekylär analys i den tredimensionella vävnadsrymden. Denna integration kommer att möjliggöra förbättrad prediktion av sjukdomsprogression och respons på specifika behandlingar.

Arbetsuppgifter

Doktoranden kommer främst att ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%).

Kvalifikationskrav

Grundläggande behörighet har den som:

• avlagt examen på avancerad nivå inom datavetenskap, bildanalys och maskininlärning, teknisk fysik, dataanalys, tillämpad matematik, molekylär bioteknik eller ett annat relaterat område, eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.

Högskolan får för en enskild sökande medge undantag från kravet på grundläggande behörighet, om det finns särskilda skäl. (7 kap. 39 § HF). För särskild behörighet, se studieplanen för ämnet.

De specifika kraven uppfylls genom att ha godkända kurser inom områden relevanta för ämnena bildanalys och maskininlärning, omfattande minst 90 högskolepoäng. Relevanta kurser innefattar, till exempel, bildbehandling, datorseende, maskininlärning, djupinlärning och neurala nätverk, samt kurser i Python, GPU-programmering, matematisk modellering och statistik eller motsvarande.

Vi söker kandidater med:

• En stark akademisk bakgrund och en gedigen förståelse för beräkningar och analys;
• Goda kunskaper i programmering i Python och ramverk för djupinlärning som PyTorch och TensorFlow;
• Utmärkta kommunikationsfärdigheter i både tal och skrift på engelska;
• Kreativitet, noggrannhet och ett strukturerat tillvägagångssätt för problemlösning;
• God samarbetsförmåga, driv och självständighet.

Önskvärt/meriterande i övrigt

Meriterande är:

• Intresse för biomedicinsk forskning och erfarenhet av tillämpning av bildanalys inom medicin;
• Erfarenhet av versionshantering med Git, typsättning med LaTeX och användning av Linux-datorer;
• Erfarenhet av faltnings- och transformer-baserade neuronnät för bildanalys;
• Erfarenhet av grafbaserade metoder och graf-neuronnät;
• Erfarenhet av förklarlig och tolkningsbar AI (XAI).

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.

Ansökan

Ansökan ska innehålla:

• Meritförteckning (CV);
• Kopia av examen/examensbevis och utskrift av kursprotokoll med betyg;
• Examensarbete (eller ett utkast till detta, och/eller annan egenproducerad teknisk eller vetenskaplig text), vetenskapliga publikationer och andra relevanta dokument i elektronisk form;
• Kontaktuppgifter (namn, e-postadresser och telefonnummer) till minst två referenser, med angivelse av sammanhanget, varaktigheten och arten av relationen till kandidaten. Referensbrev kan bifogas som stödjande dokument men är inte ett krav vid ansökningstillfället.
• Ett personligt brev (högst en sida) som inkluderar:
  • Din motivering för att söka denna tjänst;
  • En kort punktlista med tre huvudsakliga akademiska eller vetenskapliga prestationer;
  • Tidigast möjliga startdatum (med skäl om tillämpligt).

Om anställningen

Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde: 1 oktober 2026 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Prof. Nataša Sladoje (e-post: natasa.sladoje@it.uu.se).

Välkommen med din ansökan senast 20 augusti 2026, UFV-PA 2026/2366.

Är du intresserad av att utveckla nya metoder för bildanalys och maskininlärning för precisionsmedicin och kliniskt beslutsstöd? Vill du vara en del av ett forskarteam med skickliga och inspirerande kollegor i en internationell miljö? Söker du en arbetsgivare som erbjuder trygga och förmånliga arbetsförhållanden? Välkommen att söka en doktorandtjänst vid Institutionen för informationsteknologi, 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, med drygt 350 anställda varav 120 lärare och 120 doktorander. Cirka 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionens webbplats.

Projektet leds av professor Nataša Sladoje, inom forskargruppen MIDA – Methods for Image Data Analysis – vid Institutionen för informationsteknologi och genomförs tillsammans med andra forskare vid Centrum för bildanalys som utvecklar beräkningsmetoder med särskilt fokus på djupinlärning och bildanalys. Projektet bygger på ett nära samarbete med forskare vid Institutionen för immunologi, genetik och patologi (IGP) vid Uppsala universitet samt SciLifeLab, den nationella infrastrukturen för life science.

Projektbeskrivning

Immunterapi har blivit ett livräddande alternativ för patienter med långt framskriden cancer. Det är dock bara en minoritet av patienterna som utvecklar ett varaktigt svar. Många forskare arbetar för att bättre förstå komplexiteten i anti-cancerimmunitet och utveckla diagnostiska metoder som exakt förutsäger behandlingens nytta och möjliggör individanpassad cancerbehandlingsplanering. Moderna AI-baserade metoder är essentiella för att föra denna forskningsfront framåt.

Detta projekt är en viktig del av vårt bredare initiativ för att utveckla och använda innovativa, tolkningsbara datadrivna analysmetoder för att avsevärt öka vår förståelse för hur immuncellers inbördes relationer påverkar cancerns mikromiljö. Vi kommer att tillämpa dessa analysmetoder på höginformativa multimodala mikroskopidata och utveckla tekniker för att integrera korrelerad strukturell och molekylär analys i den tredimensionella vävnadsrymden. Denna integration kommer att möjliggöra förbättrad prediktion av sjukdomsprogression och respons på specifika behandlingar.

Arbetsuppgifter

Doktoranden kommer främst att ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%).

Kvalifikationskrav

Grundläggande behörighet har den som:

• avlagt examen på avancerad nivå inom datavetenskap, bildanalys och maskininlärning, teknisk fysik, dataanalys, tillämpad matematik, molekylär bioteknik eller ett annat relaterat område, eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.

Högskolan får för en enskild sökande medge undantag från kravet på grundläggande behörighet, om det finns särskilda skäl. (7 kap. 39 § HF). För särskild behörighet, se studieplanen för ämnet.

De specifika kraven uppfylls genom att ha godkända kurser inom områden relevanta för ämnena bildanalys och maskininlärning, omfattande minst 90 högskolepoäng. Relevanta kurser innefattar, till exempel, bildbehandling, datorseende, maskininlärning, djupinlärning och neurala nätverk, samt kurser i Python, GPU-programmering, matematisk modellering och statistik eller motsvarande.

Vi söker kandidater med:

• En stark akademisk bakgrund och en gedigen förståelse för beräkningar och analys;
• Goda kunskaper i programmering i Python och ramverk för djupinlärning som PyTorch och TensorFlow;
• Utmärkta kommunikationsfärdigheter i både tal och skrift på engelska;
• Kreativitet, noggrannhet och ett strukturerat tillvägagångssätt för problemlösning;
• God samarbetsförmåga, driv och självständighet.

Önskvärt/meriterande i övrigt

Meriterande är:

• Intresse för biomedicinsk forskning och erfarenhet av tillämpning av bildanalys inom medicin;
• Erfarenhet av versionshantering med Git, typsättning med LaTeX och användning av Linux-datorer;
• Erfarenhet av faltnings- och transformer-baserade neuronnät för bildanalys;
• Erfarenhet av grafbaserade metoder och graf-neuronnät;
• Erfarenhet av förklarlig och tolkningsbar AI (XAI).

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.

Ansökan

Ansökan ska innehålla:

• Meritförteckning (CV);
• Kopia av examen/examensbevis och utskrift av kursprotokoll med betyg;
• Examensarbete (eller ett utkast till detta, och/eller annan egenproducerad teknisk eller vetenskaplig text), vetenskapliga publikationer och andra relevanta dokument i elektronisk form;
• Kontaktuppgifter (namn, e-postadresser och telefonnummer) till minst två referenser, med angivelse av sammanhanget, varaktigheten och arten av relationen till kandidaten. Referensbrev kan bifogas som stödjande dokument men är inte ett krav vid ansökningstillfället.
• Ett personligt brev (högst en sida) som inkluderar:
  • Din motivering för att söka denna tjänst;
  • En kort punktlista med tre huvudsakliga akademiska eller vetenskapliga prestationer;
  • Tidigast möjliga startdatum (med skäl om tillämpligt).

Om anställningen

Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde: 1 oktober 2026 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Prof. Nataša Sladoje (e-post: natasa.sladoje@it.uu.se).

Välkommen med din ansökan senast 20 augusti 2026, UFV-PA 2026/2366.

Är du intresserad av att utveckla nya metoder för bildanalys och maskininlärning för precisionsmedicin och kliniskt beslutsstöd? Vill du vara en del av ett forskarteam med skickliga och inspirerande kollegor i en internationell miljö? Söker du en arbetsgivare som erbjuder trygga och förmånliga arbetsförhållanden? Välkommen att söka en doktorandtjänst vid Institutionen för informationsteknologi, 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, med drygt 350 anställda varav 120 lärare och 120 doktorander. Cirka 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionens webbplats.

Projektet leds av professor Nataša Sladoje, inom forskargruppen MIDA – Methods for Image Data Analysis – vid Institutionen för informationsteknologi och genomförs tillsammans med andra forskare vid Centrum för bildanalys som utvecklar beräkningsmetoder med särskilt fokus på djupinlärning och bildanalys. Projektet bygger på ett nära samarbete med forskare vid Institutionen för immunologi, genetik och patologi (IGP) vid Uppsala universitet samt SciLifeLab, den nationella infrastrukturen för life science.

Projektbeskrivning

Immunterapi har blivit ett livräddande alternativ för patienter med långt framskriden cancer. Det är dock bara en minoritet av patienterna som utvecklar ett varaktigt svar. Många forskare arbetar för att bättre förstå komplexiteten i anti-cancerimmunitet och utveckla diagnostiska metoder som exakt förutsäger behandlingens nytta och möjliggör individanpassad cancerbehandlingsplanering. Moderna AI-baserade metoder är essentiella för att föra denna forskningsfront framåt.

Detta projekt är en viktig del av vårt bredare initiativ för att utveckla och använda innovativa, tolkningsbara datadrivna analysmetoder för att avsevärt öka vår förståelse för hur immuncellers inbördes relationer påverkar cancerns mikromiljö. Vi kommer att tillämpa dessa analysmetoder på höginformativa multimodala mikroskopidata och utveckla tekniker för att integrera korrelerad strukturell och molekylär analys i den tredimensionella vävnadsrymden. Denna integration kommer att möjliggöra förbättrad prediktion av sjukdomsprogression och respons på specifika behandlingar.

Arbetsuppgifter

Doktoranden kommer främst att ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%).

Kvalifikationskrav

Grundläggande behörighet har den som:

• avlagt examen på avancerad nivå inom datavetenskap, bildanalys och maskininlärning, teknisk fysik, dataanalys, tillämpad matematik, molekylär bioteknik eller ett annat relaterat område, eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.

Högskolan får för en enskild sökande medge undantag från kravet på grundläggande behörighet, om det finns särskilda skäl. (7 kap. 39 § HF). För särskild behörighet, se studieplanen för ämnet.

De specifika kraven uppfylls genom att ha godkända kurser inom områden relevanta för ämnena bildanalys och maskininlärning, omfattande minst 90 högskolepoäng. Relevanta kurser innefattar, till exempel, bildbehandling, datorseende, maskininlärning, djupinlärning och neurala nätverk, samt kurser i Python, GPU-programmering, matematisk modellering och statistik eller motsvarande.

Vi söker kandidater med:

• En stark akademisk bakgrund och en gedigen förståelse för beräkningar och analys;
• Goda kunskaper i programmering i Python och ramverk för djupinlärning som PyTorch och TensorFlow;
• Utmärkta kommunikationsfärdigheter i både tal och skrift på engelska;
• Kreativitet, noggrannhet och ett strukturerat tillvägagångssätt för problemlösning;
• God samarbetsförmåga, driv och självständighet.

Önskvärt/meriterande i övrigt

Meriterande är:

• Intresse för biomedicinsk forskning och erfarenhet av tillämpning av bildanalys inom medicin;
• Erfarenhet av versionshantering med Git, typsättning med LaTeX och användning av Linux-datorer;
• Erfarenhet av faltnings- och transformer-baserade neuronnät för bildanalys;
• Erfarenhet av grafbaserade metoder och graf-neuronnät;
• Erfarenhet av förklarlig och tolkningsbar AI (XAI).

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.

Ansökan

Ansökan ska innehålla:

• Meritförteckning (CV);
• Kopia av examen/examensbevis och utskrift av kursprotokoll med betyg;
• Examensarbete (eller ett utkast till detta, och/eller annan egenproducerad teknisk eller vetenskaplig text), vetenskapliga publikationer och andra relevanta dokument i elektronisk form;
• Kontaktuppgifter (namn, e-postadresser och telefonnummer) till minst två referenser, med angivelse av sammanhanget, varaktigheten och arten av relationen till kandidaten. Referensbrev kan bifogas som stödjande dokument men är inte ett krav vid ansökningstillfället.
• Ett personligt brev (högst en sida) som inkluderar:
  • Din motivering för att söka denna tjänst;
  • En kort punktlista med tre huvudsakliga akademiska eller vetenskapliga prestationer;
  • Tidigast möjliga startdatum (med skäl om tillämpligt).

Om anställningen

Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde: 1 oktober 2026 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Prof. Nataša Sladoje (e-post: natasa.sladoje@it.uu.se).

Välkommen med din ansökan senast 20 augusti 2026, UFV-PA 2026/2366.