Forskningsassistent i datavetenskap
Örebro universitet / Högskolejobb / Örebro
2026-03-12
Visa alla högskolejobb i Örebro,
Kumla,
Hallsberg,
Nora,
Lindesberg eller i
hela Sverige Visa alla jobb hos Örebro universitet i Örebro,
Karlskoga,
Hällefors,
Karlstad,
Stockholm eller i
hela Sverige Vi söker en forskningsassistent i datavetenskap för en tidsbegränsad anställning vid Institutionen för naturvetenskap och teknik.
Bakgrund
Tjänsten är placerad vid Örebro universitets enhet för datavetenskap och dess centrum för tillämpade autonoma sensorsystem (AASS,
http://www.oru.se/aass) samt centrum för AI, robotik och cybersäkerhet (ARC,
https://www.oru.se/var-profil/arc---centrum-for-ai-robotik-och-cybersakerhet/), som bedriver tvärvetenskaplig forskning i skärningspunkten mellan robotik, maskininlärning, artificiell intelligens, datorseende, datavetenskap och mätteknik.
Publiceringsdatum2026-03-12Dina arbetsuppgifterForskningsassistenten kommer att arbeta inom projektet CAIR - Collaborative AI for Energy Regulation, med fokus på utveckling av AI-baserade modeller för optimering av energianvändning i ventilations-, värme- och elsystem i byggnader.
Arbetet innefattar utveckling av prediktiva modeller för tidsseriedata (t.ex. energianvändning, inomhustemperatur och beläggning) samt implementering av styralgoritmer för adaptiv och kontextmedveten reglering baserade på reinforcement learning. Du kommer att bidra till att bygga upp en strukturerad datainfrastruktur för behandling och kvalitetssäkring av sensordata från verkliga byggnader.
En central del av arbetsuppgifterna är att utveckla och testa multi-agent reinforcement learning (MARL) för samverkande optimering mellan flera byggnader. Arbetet inkluderar simulering, experimentell validering samt jämförande analys gentemot traditionella regelbaserade styrsystem. Du kommer även att bidra till integration av modellerna i befintliga Building Management Systems (BMS) och till teknisk dokumentation av resultat.
KvalifikationerArbetet kräver erfarenhet av:
• design och implementation av djupa neuronnätverk (t.ex. LSTM, transformer),
• reinforcement learning och policybaserad optimering,
• hantering och analys av tidsseriedata från sensorer,
• utveckling av maskininlärningsmodeller i Python (t.ex. PyTorch eller TensorFlow).
Meriterande är:
• erfarenhet av multi-agent reinforcement learning (MARL),
• arbete med energisystem, HVAC eller smarta byggnader,
• utveckling av datainfrastruktur och preprocessing-pipelines,
• integration av AI-modeller i realtidssystem eller industriella styrsystem.
Information
Anställningen är 100 % under ca 8 månader, med tillträde enligt överenskommelse. Örebro universitet tillämpar individuell lönesättning.
Närmare upplysningar om anställningen lämnas av Amy Loutfi, +46722149853 och Hadi Banaee, e-post:
hadi.banaee@oru.se. För administrativ information, kontakta enhetschef Martin Magnusson, 019-30 38 70, e-post:
martin.magnusson@oru.se.
Vid Örebro universitet förväntar vi oss att alla medarbetare är öppna för utveckling och förändring, tar ansvar för sin egen arbetsinsats och kvalitet, visar engagemang att samverka och bidra till utveckling samt visar respekt för andra genom ett konstruktivt och professionellt förhållningssätt.
Örebro universitet arbetar aktivt med lika villkor och jämställdhet och för att vår arbetsmiljö ska präglas av öppenhet, tillit och respekt. Vi värdesätter de kvaliteter mångfald tillför verksamheten.
Så ansöker duDu gör din ansökan på vår hemsida genom att klicka på knappen "Ansök".
En komplett ansökan ska innehålla följande elektroniska dokument:
• Ett personligt brev med motivering till ditt intresse av anställningen som forskningsassistent
• CV med relevant beskrivning av samlad kompetens
• Kopior av relevanta betyg/intyg som styrker din kompetens
Endast handlingar skrivna på svenska, engelska, norska eller danska kan bedömas.
Sista ansökningsdag är 2026-03-26. Välkommen med din ansökan!
Då vi i samband med den här rekryteringen redan har gjort våra val vad gäller externa samarbetspartners och marknadsföring undanber vi oss kontakt med rekryteringsföretag och annonssäljare.
Enligt Riksarkivets föreskrifter måste vi arkivera en omgång ansökningshandlingar exkl. publikationer i två år efter att tillsättningsbeslutet vunnit laga kraft.
Ersättning Individuell lönesättning tillämpas.
Så ansöker du Sista dag att ansöka är 2026-03-26
Klicka på denna länk för att göra din ansökan Omfattning Detta är ett heltidsjobb.
Arbetsgivare Örebro Universitet (org.nr 202100-2924)
Arbetsplats Örebro universitet
Jobbnummer 9794113