Postdoc in multi-omics machine learning and computational cancer biology

KTH Royal Institute of Technology; Stockholms kommun; Presencial; SEK 402.000 - 536.000; Jornada completa

Descripción de la vacante

KTH, Skolan för kemi, bioteknologi och hälsa, söker postdoktor inom multiomik och maskininlärning för cancerbiologi. Du integrerar flera datatyper och utvecklar tolkbara modeller som stödjer diagnostik och behandling.

Du har dokumenterad erfarenhet av ML/deep learning, har doktorsexamen och vill driva egna beräkningsbaserade projekt i ett tvärvetenskapligt sammanhang.

Formación

• Avlagt doktorsexamen inom datavetenskap, maskininlärning eller närliggande område.
• Stark forskningsprofil inom ML/deep learning och tillämpning inom biomedicin/cancerforskning.
• Programmeringskunskaper i Python och/eller R samt utveckling av beräkningsbaserade metoder.
• Goda kunskaper i engelska i tal och skrift.

Responsabilidades

• Fördjupa och leda forskningsprojekt inom multiomik och cancerbiologi.
• Utveckla tolkningsbara modeller och beräkningsbaserade metoder.
• Delta i forskningsansökningar och nätverk.
• Publicera resultat i ledande tidskrifter.

Conocimientos

Maskininlärning

Deep learning

Python

R

Engelska

Tvärvetenskap

Educación

Doktorsavhandling i datavetenskap

Herramientas

Unix/Linux

HPC

Descripción del empleo

Postdoktor inom multiomik, maskininlärning cancerbiologi

Kungliga Tekniska högskolan, Skolan för kemi, bioteknologi och hälsa

Vi är en del av SciLifeLab and Wallenberg National Program for Data-Driven Life Science (DDLS) strategiska område Precision Medicine and Diagnostics och är verksam vid SciLifeLab och KTH. Gruppens forskningen kombinerar cancerbiologi, multiomik och beräkningsbaserade metoder, med en stark forskningsprofil inom tvärvetenskaplig forskning och publikationer i ledande vetenskapliga tidskrifter. Mer information om gruppen finns på: A Lundberg Lab.

Vi kommer att integrera flera datatyper, inklusive genomik, transkriptomik, DNA-metylering, andra molekylära profiler, kliniska och patologiska data samt medicinska bilder, med särskilt fokus på att utveckla tolkningsbara och biologiskt meningsfulla modeller. Metoderna kan omfattamaskininlärning, deep learning, bildanalys, beräkningsbaserad patologi, multiomikintegration och foundation models.

Anställningen passar någon med stark beräkningsvetenskaplig bakgrund och dokumenterad erfarenhet av maskininlärning, deep learning eller närliggande områden, i kombination med ett intresse för cancerbiologi och biomedicinska tillämpningar. Det finns även möjlighet att bidra till forskningsansökningar, forskningsnätverk. Den som anställs kommer att ges möjlighet att utveckla och leda egna beräkningsbaserade forskningsprojekt inom gruppen.

Kvalifikationer

• Avlagd doktorsexamen inom datavetenskap, maskininlärning, beräkningsbiologi, bioinformatik eller närliggande område. Detta behörighetskrav ska vara uppfyllt senast vid tidpunkten då anställningsbeslutet fattas.
• En stark forskningsprofil inom maskininlärning, deep learning, beräkningsbiologi eller närliggande beräkningsvetenskapliga områden, med dokumenterat intresse för att tillämpa beräkningsbaserade metoder inom cancerforskning eller annan biomedicinsk forskning.
• Programmeringskunskaper i Python och/eller R samt erfarenhet av att utveckla, implementera och utvärdera beräkningsbaserade metoder eller maskininlärningsmetoder.
• Goda kunskaper inom statistik, biostatistik och multivariat dataanalys, inklusive lämpliga metoder för modellevaluering och validering.
• Mycket goda kunskaper i engelska, både i tal och skrift, eftersom engelska används i det dagliga arbetet.
• Erfarenhet av:
  • Storskaliga, högdimensionella biologiska eller biomedicinska dataset och integration av heterogena datatyper.
  • Ett eller flera av följande områden: analys och integration av multiomikdata, multimodal maskininlärning, medicinsk bildanalys, beräkningsbaserad patologi, bildanalys, integration av biologiska datatyper eller foundation models.
  • Unix/Linux-miljöer och högpresterande beräkningssystem.
  • Vetenskapligt skrivande, vetenskapliga publikationer och/eller forskningsansökningar.

Meriterande

• Vid sista ansökningsdag högst tre år sedan doktorsexamen.
• Erfarenhet av:
  • Att utveckla tolkningsbara eller förklarbara maskininlärningsmodeller.
  • Att tillämpa maskininlärning inom cancerbiologi, cancergenomik eller precisionsmedicin.
  • Storskaliga publika eller kliniska dataset
  • Att vara självständig utveckling av forskningsprojekt.
  • Undervisning, mentorskap eller handledning.
• Välutvecklad analytisk förmåga och problemlösningsförmåga.
• Förmåga att arbeta effektivt i en tvärvetenskaplig och samarbetsinriktad forskningsmiljö.
• Ett strukturerat och organiserat arbetssätt.
• Medvetenhet om mångfalds- och lika villkorsfrågor, med särskilt fokus på jämställdhet.

Vi kommer att lägga stor vikt vid personliga egenskaper.

Bli en del av KTH

KTH formar framtiden genom utbildning, forskning och innovation. Som ett ledande internationellt tekniskt universitet spelar vi en aktiv roll i att driva och medverka i omställningen till ett hållbart samhälle. Här erbjuds du möjligheten att växa och utvecklas på en kreativ och dynamisk arbetsplats med goda arbetsvillkor och förmåner. Jämställdhet, mångfald och lika villkor är en kvalitetsfråga och en självklar del av KTH:s värdegrund som universitet och statlig myndighet.

Om anställningen

Anställningen gäller tillsvidare, dock längst två år

En anställning som postdoktor är en tidsbegränsad meriteringsanställning med huvudinriktning mot forskning avsedd som ett första karriärsteg efter disputation.

Det kan förekomma att en anställning hos KTH är placerad i säkerhetsklass. Om så är fallet för just denna anställning görs en säkerhetsprövning av sökande i enlighet med säkerhetsskyddslagen (2018:585) efter samtycke. I dessa fall är en förutsättning för anställning att sökande blir godkänd efter säkerhetsprövning.

Vi undanber oss direktkontakt med bemannings- och rekryteringsföretag samt försäljare av platsannonser.

Anställningsform Tidsbegränsad anställning

Anställningens omfattning

Tillträde

Tillträde Enligt överenskommelse

Löneform Månadslön

Antal lediga befattningar

Sysselsättningsgrad

Referensnummer