Bolsa de TT-V em Modelo IA para Diagnóstico Médico (escore de Gleason)
Level 5-Technical Training Fellowship in AI Model for Medical Diagnosis (Gleason score)
Nº: 6677
Área de conhecimento: Ciência da Computação
Field of knowledge: Computer science
Nº do processo FAPESP: 2023/11600-0
FAPESP process: 2023/11600-0
Título do projeto: Uso de inteligência artificial para auxílio à classificação do escore de Gleason em lâminas anatomopatológicas de câncer de próstata
Project title: Use of artificial inteligence supporting Gleason score-based classification of anatomopathological prostate cancer slides
Área de atuação: Machine Learning / visão computacional para imagens médicas
Working area: Machine Learning / computer vision for medical images
Quantidade de vagas: 1
Number of places: 1
Início: 01/03/2024
Start: 2024-03-01
Pesquisador responsável: Viviane Teixeira L. de Alencar
Principal investigator: Viviane Teixeira L. de Alencar
Unidade/Instituição: Oncodata
Unit/Instituition: Oncodata
Data limite para inscrições: 23/02/2024
Deadline for submissions: 2024-02-23
Publicado em: 23/01/2024
Publishing date: 2024-01-23
Localização: Rua República do Iraque, 40 (Sala 1403), São José dos Campos
Locale: Rua República do Iraque, 40 (Sala 1403), São José dos Campos
E-mail para inscrições: viviane@oncodata.com.br
E-mail for proposal submission: viviane@oncodata.com.br
-
Resumo
A Oncodata, startup que desenvolve ferramentas de IA para auxílio ao diagnóstico de câncer, está com vagas para novos bolsistas. Para o projeto acima, o bolsista de Treinamento Técnico nível cinco (TT-V) ficará responsável pela investigação e desenvolvimento de um modelo de Machine Learning para auxiliar na correta classificação do escore de Gleason em lâminas de patologia digitalizadas de tumores de próstata.
Habilidades necessárias:
- Familiaridade com programação em Python e com o uso de pacotes para ML / Deep Learning (DL), como, por exemplo, Pytorch;
- Entendimento da arquitetura de redes DL aplicadas ao contexto de visão computacional, em especial Redes convolucionais e Transformers;
- Entendimento do fluxo de desenvolvimento de um modelo de ML, incluindo aquisição, caracterização e limpeza da base de dados, treinamento do modelo e avaliação do desempenho do mesmo utilizando métricas, como área sob a curva ROC e matriz de confusão;
- Boa base matemática.
Habilidades desejáveis (será um diferencial): experiência com desenvolvimento web front-end ou back-end; experiência com pesquisa científica; experiência com o uso de AWS.
A bolsa será de 40 horas semanais por 12 meses, com modelo de trabalho híbrido e possibilidade de prorrogação pelo período de duração do projeto, a depender da performance do candidato. Os interessados devem enviar o Curriculum Vitae para a pesquisadora responsável.
Informações sobre requisitos e benefícios da Bolsa FAPESP TT-V estão disponíveis em https://fapesp.br/3098 e https://fapesp.br/3162.
-
Enviar
Oportunidade - Oportunidades Abertas Open Opportunities
-
Fellowships Opportunities