Forskningsfokuserad anställning: maskininlärning och design

Samordningsförbundet Centrala Östergötland / Högskolejobb / Linköping
Observera att sista ansökningsdag har passerat.


Visa alla högskolejobb i Linköping, Mjölby, Åtvidaberg, Finspång, Motala eller i hela Sverige
Visa alla jobb hos Samordningsförbundet Centrala Östergötland i Linköping

Forskningsfokuserad anställning om maskininlärning och design av tjänster för socialtjänsten, med möjlighet till doktorandutbildning
Samordningsförbundet Centrala Östergötland söker dig som har tvärvetenskaplig kunskap och färdighet inom maskininlärning, artificiell intelligens och design för forskningsfokuserad tillsvidareanställningintentionen finns att skapa en doktorandtjänst på Linköpings universitet. Arbetet kommer initialt bedrivas i internationell kontext med kopplingar till Linköpings universitet och University of Stirling, UK. Som en del av tjänsten finns möjlighet till doktorandutbildning och samarbetet kan innefatta längre resor till både Skottland och Island. Erfarenhet och insikt i välfärdssystemet i Sverige är en bonus.
En initial utmaning handlar om att, tillsammans med olika samarbetspartners, ta fram och implementera ett applicerat verktyg för beslutsstöd i samband med individbaserad stöd för personer som står långt ifrån arbetsmarknaden. Målet är att maximera sannolikheten att stödet får goda effekter. Detta innefattar att, genom att använda designmetoder identifiera ett arbetssätt som upplevs meningsfullt och lämpligt kring användning av systemet och optimera vägvalen för individer. Verktyget använder sig av maskininlärning och artificiell intelligens för att ge förutsägelser om de mest gynnsamma valen längs vägen, baserat på historiska data.
På längre sikt kommer arbetet handla om fortsatt arbete med forskning och utveckling inom samordningsförbundets insatser såsom Samordningsbron, vilket är en miljö som syftar till att hjälpa människor tillbaka till arbete eller utbildning, samt Välfärdsguiden som syftar till att förenkla och förtydliga välfärdens olika ingångar och möjligheter. Arbetet på samordningsförbundet bedrivs i samarbete med bland annat Region Östergötland, kommunerna Linköping, Kinda och Åtvidaberg, Försäkringskassan, Arbetsförmedlingen och många andra samordningsförbund runt om i Sverige. Förbundet har därför en unik miljö med potential att hjälpa människor med många olika och komplexa mål och behov. Tjänsten kan också innefatta formulerandet av ansökningar till forskningsutlysningar som faller inom samordningsförbundets verksamhet.
Maskininlärning har visat sig vara applicerbart och användbart i flera olika sammanhang för att förbättra behandlingar, men ofta har applikationerna använt sig av centraliserad data. I verkligheten är dock data om individer distribuerad på olika platser såsom myndigheter och institutioner där data kan vara svåråtkomlig. Federated learning kan då vara en lösning där flera samverkande modeller tränas för att endast dela de parametrar som är intressanta, men inte dela data som kan vara känslig eller svåråtkomlig. En sådan decentraliserad modell bör kunna användas för att ge en mycket mer exakt och korrekt bild av varje individs situation.
Samtidigt räcker det inte med att vi kan skapa en modell, vi måste också förstå hur mötet mellan olika aktörer, såsom handläggare och klienter kan förbättras och dra nytta av modellen. Design har metoder och angreppssätt för att utforska möjliga framtider genom prototyper där upplevelser kan utforskas i kombination med funktionella och andra krav. Genom design kan modellens roll i en social, kulturell och teknisk kontext utforskas.
Den ansökande ska ha:
• Examen på avancerad nivå, alternativt 240hp varav 60hp på avancerad nivå
• Dokumenterad kunskap inom maskininlärning och/eller AI
• Erfarenhet och kunskap inom human-centered design/interaktionsdesign/tjänstedesign
• Skriva och tala engelska flytande, då Engelska är delvis arbetsspråk på arbetsplatsen
• Skriva och tala svenska flytande för att interagera med intressenter
• Ha förmågan att självständigt ta initiativ till- och driva arbete
• Vara intresserad och nyfiken på akademiska och aktuella frågeställningar
• Vara välorganiserad

Den ansökande bör:
• Ha god förståelse för federated learning
• Känna till det svenska välfärdssystemet
• Vara kreativ och ha förmågan att utveckla nya idéer
• Vara bekant med designmetoder och erfarenhet av att använda dem
• Ha erfarenhet av arbete med känslig data, såsom sjukvård och
socialtjänstdata
• Ha grundläggande förståelse för forskningsmetod
Låter detta intressant för dig?

Kontakt: Ruth Lund, Projektledare Välfärdsguiden
Email: ruth.lund@linkoping.se
Mobil: 0727211642

Samordningsförbund är statligt/kommunalt samt regionalt finansierade
organisationer. De finns till för att inom välfärds- och rehabiliteringsområdet
åstadkomma en effektiv samverkan mellan de fyra huvudmännen
Arbetsförmedlingen, Försäkringskassan, kommun och landsting/region.
Förbunden bedriver strukturövergripande metodutveckling, samt finansierar
insatser på individnivå. Detta för att underlätta för människor att bli delaktiga,
självständiga och klara sin egen försörjning.
Läs vidare om oss på www.samordning.org

Varaktighet: Tillsvidare
Lön: Fast månads- vecko- eller timlön; kollektivavtal finns
Sista dag att ansöka är 2021-10-31

Papers of interest:
https://ai.googleblog.com/2017/04/federated-learning-collaborative.html
https://arxiv.org/abs/1610.05492
https://www.ai.se/en/node/81535/federated-learning

Publiceringsdatum
2021-09-20

Så ansöker du
Sista dag att ansöka är 2021-10-31

Adress
Samordningsförbundet Centrala Östergötland
Platensgatan 5 A 1 1/2 TR
58220 Linköping

Omfattning
Detta är ett heltidsjobb.

Arbetsgivare
Samordningsförbundet Centrala Östergötland (org.nr 222000-2485)
Platensgatan 5 A 1 1/2 TR (visa karta)
582 20  LINKÖPING

Ansökan
E-post: ruth.lund@linkoping.se

Jobbnummer
5980035

Observera att sista ansökningsdag har passerat.

Prenumerera på jobb från Samordningsförbundet Centrala Östergötland

Fyll i din e-postadress för att få e-postnotifiering när det dyker upp fler lediga jobb hos Samordningsförbundet Centrala Östergötland: