Matematiker - Lediga jobb

We are seeking an ambitious applied researcher who wants to work at the forefront of data-driven nutrition and health. This is a unique opportunity to bridge mathematics, statistics, AI, and biomedical research in a highly interdisciplinary research environment.

About us

Fraunhofer-Chalmers Centre (FCC) is a leading research centre in industrial mathematics, modelling, simulation, optimisation, and data analytics. We operate at the interface between academic research and industrial needs, often in interdisciplinary projects where mathematics, data, and domain expertise meet.

Together with the nutrition research group led by Professor Rikard Landberg at Chalmers University of Technology, we conduct advanced research in data-driven nutrition, health, and food science. With large-scale diet and health data, omics data, biomarkers, digital food and health services, we establish predictive models for evaluation of the role of diet in health and disease and establish personalized dietary strategies for more effective disease prevention. In many cases, the work involves time series data, dynamic processes and phenomena, where both methods and interpretation must account for temporal dynamics. Data typically comes from intervention studies conducted in Gothenburg and or from large cohorts and biobanks from international collaborators.

To secure and further develop this important collaboration, we are now recruiting an applied researcher with a strong quantitative profile and interest in nutrition, health, or medicine.

Your role

As an applied researcher in this area, you will:

• Act as a key person in the collaboration between FCC and the nutrition research group at Chalmers.
• Lead and conduct research projects in data-driven nutrition, such as:
  • analysis of time series data and dynamic processes, where signals and responses evolve over time.
  • statistical modelling, AI, and machine learning on large epidemiological cohorts, diet and health data
  • analysis of omics data (metabolomics, proteomics, microbiome, etc.)
  • development of predictive dynamical models and digital decision-support tools for nutrition and health
  • method development in causal inference, integration of heterogeneous data sources, uncertainty quantification
• Work with a wide range of data types, for example dietary records, biomarkers, omics data, registry data, and sensor data such as CGM measurements (continuous glucose monitoring), activity trackers, and other wearable sensors.
• Serve as a bridge between domain researchers (nutrition, medicine, food science) and quantitative experts (mathematics, statistics, AI&ML, systems engineering).
• Supervise, collaborate, and support PhD students and postdocs involved in joint projects.

Your profile

We are looking for someone who:

• Holds a PhD in Applied Mathematics, Mathematical Statistics, Automatic Control, Signal Processing, Systems Engineering, Data Science, or a related field.
• Has experience in data-driven research, preferably related to biomedicine, nutrition, epidemiology, food science, or public health.
• Is proficient in modern statistical modelling, AI & machine learning methods (e.g. system identification, regression models, mixed-effects modeling, Bayesian methods, deep learning, variational autoencoders, generative AI).
• Is an experienced programmer in R and/or Python, and used to working with large datasets and reproducible analysis workflows.
• Enjoys working in interdisciplinary environments and is curious about understanding biological/nutritional research questions in depth.

It is meritorious if you also:

• Have experience working with cohort data, registry data, clinical studies, or omics data.
• Have previously worked in projects involving both academic and industrial/external partners.
• Have experience supervising PhD students, postdocs, or junior researchers.
• Can communicate in both Swedish and English; excellent English is required.

What we offer

With us, you will:

• Have a unique opportunity to combine advanced quantitative and data-driven methods with cutting-edge research in biomedicine, nutrition, and health.
• Work in a strong and long-term collaboration between Fraunhofer-Chalmers Centre and Chalmers division of Food and Nutrition Science, with access to both international academic and industrial networks.
• Influence the direction of a strategically important initiative in data-driven nutrition and health.
• Be part of a creative, collaborative, and international research environment with good opportunities for personal and scientific development.

Employer: Fraunhofer-Chalmers Research Centre for Industrial Mathematics (Fraunhofer-Chalmers Centre, FCC)

Employment: according to agreement

Location: Gothenburg, Sweden

Department: Systems and Data Analysis (in close collaboration with Chalmers)

Application procedure

The application should be written in English and attached as PDF-files, containing as specified below. Maximum size for each file is 40 MB. Please note that the system does not support Zip files. 

- CV 

- Publication list

- Transcript of grades

- Personal letter with:

• A brief description of your research profile and how it relates to nutrition/health
• A brief motivation as to why you are interested in this position. 

Please apply no later than 16th August 2026. Evaluation of applications will be done on a continuous basis.

Please note: The applicant is responsible for ensuring that the application is complete. Incomplete applications and applications sent by email will not be considered. Contact details to references will be requested after the interview. 

For questions, please contact:  

Mats Jirstrand, Head of Department, Systems and Data Analysis, Fraunhofer-Chalmers Centre

E-mail: mats.jirstrand@fcc.chalmers.se

Phone: +46 730 794303

Institutionen för matematik och matematisk statistik utlyser en anställning som doktorand i spatial statistik. Anställningen omfattar fyra års forskarutbildning, vilket innefattar såväl deltagande i forskningsprojekt som forskarutbildningskurser. Sista ansökningsdag är den 12 juli 2026.

Projektbeskrivning och arbetsuppgifter

Rumsliga data inkluderar arealdata, geostatistiska fält, samt punktprocesser. Punktprocesser beskriver var händelser inträffar och i många tillämpningar även när händelser inträffar. Exempel på punktprocesser är data som beskriver positionen av och tidpunkten för sjukdomsfall, brottshändelser och trafikolyckor. Sådana data analyseras vanligtvis med rumsliga eller rumstemporala punktprocessmodeller, vilka beskriver hur händelser uppstår och samverkar. I många tillämpningar är varje händelse dessutom associerad med ytterligare information, exempelvis patientinformation, typ av brott, eller vilka fordon som var inblandade i trafikolyckan. Detta leder till så kallade markerade punktmönster, där såväl händelsernas positioner och tidpunkter som deras tillhörande attribut är av intresse.

Det huvudsakliga målet med doktorandprojektet är att utveckla adaptiva statistiska modeller för markerade rumsliga och rumstemporala punktprocesser. Många verkliga problem uppvisar betydande rumslig heterogenitet och tidsmässig variation och kan därför inte beskrivas tillfredsställande med modeller som antar data är stationära eller kan beskrivas av en enhetlig struktur. Projektet syftar till att utveckla flexibla modellramverk som möjliggör att centrala egenskaper hos processen, såsom intensitetsstruktur, markfördelning och interaktioner mellan händelser, kan variera lokalt i rummet och förändras över tid. Forskningen kommer att omfatta modellutveckling, statistisk inferens och diagnostiska metoder, samt tillämpningar på verkliga icke-stationära problem där dynamiskt föränderliga förlopp är centrala.

Kvalifikationer

Doktoranden kommer att antas i forskarutbildningsämnet beräkningsmatematik och beräkningsstatistik.

Grundläggande behörighet har den som har avlagt en examen på avancerad nivå, fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå, eller på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper. För att uppfylla kravet på särskild behörighet att antas till utbildning på forskarnivå i beräkningsmatematik och beräkningsstatistik krävs att den sökande har minst 90 högskolepoäng som bedöms tillhöra ämnet beräkningsmatematik och beräkningsstatistik (vilket innefattar matematisk statistik, matematik och datavetenskap samt nära relaterade områden) varav minst 30 högskolepoäng på avancerad nivå. Kraven på förkunskaper enligt ovan anses uppfyllda även av den som i annan ordning förvärvat i huvudsak motsvarande kunskaper.

Goda programmeringskunskaper i R krävs. Dokumenterade kunskaper inom spatialstatistik, stokastiska processer och punktprocessmodellering är meriterande.

Goda kunskaper i engelska, både i tal och skrift, krävs. Den sökande förväntas ta en aktiv roll i utvecklingen av doktorandprojektet och bidra till forskningsverksamheten inom institutionen. Den sökande bör vara motiverad, ha ett genuint intresse för metodutveckling och kunna arbeta både självständigt och i samarbete med andra. God samarbets- och kommunikationsförmåga samt ett strukturerat och lösningsorienterat arbetssätt är av stor vikt.

Bedömningar av de behöriga sökande grundar sig på den sökandes kvalifikationer och förutsättningar att tillgodogöra sig forskarutbildningen.

Om anställningen

Anställningen syftar till en doktorsexamen och doktorandens huvuduppgift är att ägna sig åt egen forskarutbildning, vilket innefattar såväl aktivt deltagande i forskningsprojekt som forskarutbildningskurser. I arbetsuppgifterna kan undervisning eller annat institutionsarbete (upp till 20 %) ingå. Anställningen är tidsbegränsad till fyra år på heltid eller upp till fem år vid undervisning på deltid. Månadslön enligt fastställd lönestege för doktorandanställning vid Umeå universitet. Tillträde hösten 2026 eller enligt överenskommelse.

Ansökan

Ansökan görs via vårt rekryteringssystem senast 13 juli 2026. Logga in och sök via knappen längst ner på sidan. Ansökan ska bestå av följande handlingar skrivna på engelska eller svenska i PDF eller Word- format:

• Personligt brev med en kortfattad beskrivning av dina kvalifikationer och forskningsintressen. Motivera varför du söker anställningen samt beskriv hur dina kvalifikationer och meriter är relevanta.
• Curriculum vitae.
• Styrkta examensbevis eller motsvarande, inklusive dokumentation av genomförda akademiska kurser, erhållna betyg samt eventuellt andra intyg.
• Examensarbete och publikationer med relevans för anställningen bifogas i de fall det finns sådana. Om du inte har slutfört examensarbetet, skicka in en sammanfattning på högst 5 sidor inklusive figurer och referenser.
• Testresultat från GMAT (eller GRE) och TOEFL/IELTS om tillgängligt.
• Kontaktinformation till minst två referenspersoner

Institutionen för matematik och matematisk statistik värdesätter de kvaliteter som en jämn könsfördelning tillför verksamheten. Vi välkomnar därför särskilt kvinnor som sökande till befattningen.

Enligt Högskoleförordningen (12 kap, 2§) kan beslutet om anställning inte överklagas.

Mer information

Mer information lämnas av Mehdi Moradi (mehdi.moradi@umu.se).

Mer information om institutionen för matematik och matematisk statistik:

https://www.umu.se/institutionen-for-matematik-och-matematisk-statistik/

Välkommen med din ansökan!

Umeå universitet vill erbjuda en jämställd och jämlik miljö där öppna samtal mellan människor med olika bakgrund och perspektiv lägger grunden för lärande, skaparkraft och utveckling. Vi välkomnar därför personer med olika bakgrunder och erfarenheter att söka den aktuella anställningen.

Till bemannings- och rekryteringsföretag och till dig som är försäljare: Vi undanber oss vänligen men bestämt direktkontakt med bemannings- och rekryteringsföretag samt försäljare av ytterligare jobbannonser.