Unicamp: bolsa de pós-doutorado em “Detecção Automática de Crises Epilépticas a partir de Dados de Atividade Cerebral”


Compartilhe! / Share this!

Confira detalhes sobre a oportunidade de bolsa de pós-doutorado no Laboratório de Bioinformática e Computação Bio-inspirada da Faculdade de Engenharia Elétrica e Computação da Unicamp.

18 de fevereiro de 2019  | divulgação

Data limite para inscrições: 22/02/2019

O Laboratório de Bioinformática e Computação Bio-inspirada, da Faculdade de Engenharia Elétrica e Computação – Unicamp está buscando um candidato altamente qualificado para uma oportunidade de Bolsa de Pós-Doutorado (PD) custeada pela Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) para atuar na área de detecção automática de crises epilépticas empregando técnicas de análise de dados e aprendizado de máquina, pelo período de 24 meses, com dedicação exclusiva (40 horas/semana). Candidatos estrangeiros são bem-vindos.

 

Requisitos do trabalho e principais responsabilidades

O bolsista desenvolverá pesquisa vinculada ao Projeto Temático intitulado “BRAINN – The Brazilian Institute of Neuroscience and Neurotechnology“, com enfoque específico em “Multi-view multi-task learning methods to improve detection of epileptic seizures in multiple-patient datasets characterized by rare seizure events”.

O projeto em questão visa a investigar o impacto de metodologias com múltiplas tarefas de detecção (múltiplos pacientes) e múltiplas visões (múltiplas extrações de atributos) no aperfeiçoamento da detecção de crises epiléticas, incluindo cenários de aplicação em que existe escassez ou ausência de dados de crise epiléptica nos dados registrados.

As principais funções do bolsista incluem, mas não estão limitadas a:

  • Desenvolvimento de metodologias de aprendizado de máquina capazes de aperfeiçoar a detecção de crises de epilepsia, visando a tornar-se o estado-da-arte na área ao lidar com escassez de dados, múltiplos pacientes e múltiplos conjuntos de atributos.
  • Desenvolvimento e aperfeiçoamento de metodologias de extração de atributos em dados de EEG, incluindo o emprego de técnicas de aprendizado da representação, geralmente associadas a arquiteturas profundas de redes neurais artificiais.
  • Participação em forças-tarefas voltadas para gerenciamento, integração, análise e interpretação de dados de atividade cerebral, transformando dados brutos em representações mais informativas e de apoio à tomada de decisão.
  • Validação das soluções propostas em condições clínicas.
  • Produção de artigos técnico-científicos de alto impacto, patentes e protótipos com potencial de se transformarem em produtos de interesse sócio-econômico.
  • Participação ativa na formação de recursos humanos na área de pesquisa.
  • Redação de relatórios e documentação associada ao projeto.

 

Habilidades e experiência

  • Doutorado em Engenharia Elétrica, Engenharia de Computação, Ciência da Computação, Ciência de Dados, Estatística ou Matemática Aplicada.
  • Experiência em soluções avançadas de aprendizado de máquina é obrigatória.
  • Familiaridade com dados de origem médica (principalmente EEG), aprendizado multitarefa, aprendizado com classes desbalanceadas e aprendizado com múltiplas visões é desejável.
  • Demonstrar habilidades de formulação matemática ou estatística e domínio de técnicas de solução de problemas de otimização.
  • Domínio de pelo menos uma linguagem de programação amplamente utilizada em aprendizado de máquina (Ex: Python, C, Matlab, R) é obrigatório.
  • Domínio de ambientes de modelagem matemática ou estatística (Ex: Matlab, R, SciPy, Gurobi, Sklearn e CVXOPT) é desejável.
  • Habilidade de comunicação e redação em inglês.

 

Habilidades pessoais

  • Motivação para trabalhar de forma independente e como parte de uma equipe em um ambiente multidisciplinar.
  • Boa capacidade de comunicação e de estabelecimento de parcerias com grupos de interesse comum, incluindo aqueles que compõem o CEPID / BRAINN.
  • Espírito proativo e de liderança.

 

Inscrições

Submissões de candidaturas e dúvidas devem ser enviadas ao e-mail de Fernando J. Von Zuben: [[email protected]].
Usar como assunto do e-mail: [POSTDOC – BRAINN: Detection of Epileptic Seizures] e anexar:

  1. Curriculum vitae
  2. Nome de duas pessoas para referência, com informações de contato
  3. Um resumo de 2 páginas do histórico de pesquisa e qualificações relevantes
  4. Página Web pessoal, se disponível, onde informações adicionais possam ser encontradas.

 


Compartilhe! / Share this!