Bolsa de PD em Aprendizado de Máquina

Post-doctoral fellowship in Machine Learning

• Resumo Summary

  O Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI), Universidade de São Paulo, tem uma posição para pós-doutor em aprendizado de máquina e mineração de dados. O CeMEAI está recrutando um pós-doutorando nessas áreas para investigar novas abordagens e usos de AutoML para dados relacionados à indústria, no Laboratório de Análise, associado ao CeMEAI. O AutoML procura alternativas inovadoras para automatizar o uso de técnicas de aprendizado de máquina, que inclui questões como metalearning, transfer learning e combinatorial optimization.
  
  O Pós-Doutorado será no Instituto de Ciências Matemáticas e de Computação (ICMC), Universidade de São Paulo, na cidade de São Carlos, SP, Brasil. São Carlos, com cerca de 220 mil habitantes, está situada na região central do Estado de São Paulo. A cidade fica a 240 km de São Paulo e 850 metros acima do nível do mar. Devido ao seu clima ameno, a cidade é conhecida como "Capital do Clima". Com o crescente número de empresas de alta tecnologia, São Carlos também é conhecida como "Capital Brasileira da Tecnologia". São Carlos é a cidade brasileira com maior proporção de doutores per capita. São Carlos tem uma forte reputação em pesquisa e educação, sendo a única cidade do Brasil, de seu tamanho, com duas das melhores universidades brasileiras, a Universidade de São Paulo e a Universidade Federal de São Carlos (UFSCar), e dois Centros de Pesquisa da Embrapa.
  
  Requisitos: doutorado em computação, engenharia elétrica, ciência dos dados ou estatística. O candidato deve ter terminado ou estar prestes a terminar seu doutorado.
  
  Competências e conhecimentos necessários
  Além de uma base sólida em computação, estatística e matemática, o candidato deve ter:
  - Boas publicações na área de aprendizado de máquina e mineração de dados, principalmente em periódicos internacionais relacionados a aprendizado de máquina e mineração de dados com alto fator de impacto;
  - Muito bom conhecimento de inglês escrito e falado (o português não é obrigatório);
  - Forte conhecimento de aprendizado de máquina, mineração de dados e estatísticas;
  - Bons conhecimentos sobre linguagens e ferramentas, como Python, R, C, C ++ ou Java;
  - Boa capacidade de trabalho em equipe;
  - Conhecimento de Big Data e Data Streams é uma vantagem.
  
  Rendimento anual: aprox. R$ 81.831,60 (sem impostos) + (bolsa de pesquisa) + bilhetes de avião + (suporte de instalação). É possível alugar um bom apartamento perto da USP por R$ 1.500,00 por mês.
  
  Data de início: a partir de 1º de setembro de 2017.
  
  Mais informações sobre as atividades de pesquisa do Laboratório de Análise podem ser encontradas em: www.cemeai.icmc.usp.br/Analytics-en.
  
  Interessados devem enviar uma carta de apresentação, um currículo com uma lista de publicações e os nomes, e-mails e telefones de pelo menos três referências ao Prof. André de Carvalho: andre@icmc.usp.br.
  
  Por favor, mencione "Application to AutoML Post-doctoral position" no assunto do seu e-mail.

  The Center of Mathematical Science Applied to Industry (CeMEAI), University of São Paulo, has one opening for a post-doctoral researcher in machine learning and data mining. CeMEAI is recruiting a post-doctoral researcher in these areas to investigate new approaches and the use of AutoML for industry-related data in the Analytics Laboratory, associated with CeMEAI. AutoML looks for innovative alternatives to automate the use of machine learning techniques, which includes issues like metalearning, transfer learning and combinatorial optimization.
  
  The position is located at the Institute of Mathematics and Computer Science (ICMC), University of São Paulo, in the city of São Carlos, SP, Brazil. São Carlos, with around 220,000 inhabitants, is situated in the central region of the State of São Paulo, Brazil. The city is 240 km from the State capital, the city of São Paulo, and 850 meters above see level. Due to its mild climate, the city is known as "Brazilian Capital of the Climate". With its growing number of high technology startups and companies, São Carlos is also known as "Brazilian Capital of Technology". São Carlos is the Brazilian city with the highest ratio of PhDs per capita. São Carlos has a strong research and education reputation, being the only city in Brazil, of its size, with two of the best Brazilian universities, University of São Paulo and Federal University of São Carlos (UFSCar), and two Embrapa Research Centers.
  
  Education requirements: a PhD degree in computer science, electrical engineering, computer engineering, data science or statistics. Applicants are expected to have finished, or be about to finish their PhD degrees.
  
  Required skills and expertise
  Besides a very solid background in computer science, statistics and mathematics, the candidate should also have:
  - Strong publication record in the area of machine learning and data mining, mainly in machine learning and data mining related journals with high impact factor;
  - Very good knowledge of written and spoken English (Portuguese is not required);
  - Strong background knowledge in machine learning, data mining and statistics;
  - Good knowledge of languages and tools, such as Python, R, C, C++ or Java;
  - Strong team work capacity;
  - Knowledge of Big Data and Data Streams is a plus.
  
  Annual income: approx. R$ 81,831.60 (tax free) + (research grant) + airplane tickets + (installation support). You can rent a good flat close to the University by R$ 1,500.00 a month.
  
  Starting date: from September 1st, 2017.
  
  More information about the Analytics Laboratory research activities can be found at: www.cemeai.icmc.usp.br/Analytics-en.
  
  If you are interested in this position and believe that you qualify, please send a cover letter, a résumé with a list of publications, and the names, e-mail addresses and phone numbers of at least three references to Prof. André de Carvalho: andre@icmc.usp.br.
  
  Please mention "Application to AutoML Post-doctoral position" in the subject of your e-mail.
  
  More information about the fellowship is at: www.fapesp.br/en/5427.