Bolsa de PD em Neurotecnologia

Post-doctoral Fellowship in Neurotechnology

Nº: 2638

Área de conhecimento: Engenharia

Field of knowledge: Engineering

Nº do processo FAPESP: 2013/07559-3

FAPESP process: 2013/07559-3

Título do projeto: BRAINN - The Brazilian Institute for Neuroscience and Neurotechnology

Project title: BRAINN - The Brazilian Institute for Neuroscience and Neurotechnology

Área de atuação: Aprendizado Supervisionado; Extração de Atributos; Classificação de Padrões

Working area: Supervised Learning; Feature Extraction; Pattern Classification

Quantidade de vagas: 1

Number of places: 1

Início: 15/03/2019

Start: 2019-03-15

Pesquisador principal: Fernando J. Von Zuben

Principal investigator: Fernando J. Von Zuben

Unidade/Instituição: Faculdade de Engenharia Elétrica e Computação (UNICAMP)

Unit/Instituition: Faculdade de Engenharia Elétrica e Computação (UNICAMP)

Data limite para inscrições: 22/02/2019

Deadline for submissions: 2019-02-22

Publicado em: 04/02/2019

Publishing date: 2019-02-04

Localização: Av. Albert Einstein, 400 – Campus Zeferino Vaz, Campinas

Locale: Av. Albert Einstein, 400 – Campus Zeferino Vaz, Campinas

E-mail para inscrições: vonzuben@dca.fee.unicamp.br

E-mail for proposal submission: vonzuben@dca.fee.unicamp.br

  • Resumo Summary

    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). As inscrições se encerram em 22/02/2019. 

    Requisitos do trabalho e principais responsabilidades

    O bolsista desenvolverá pesquisa vinculada ao Centro de Pesquisa, Inovação e Difusão (CEPID) "BRAINN" (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 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 existem 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 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 socioeconômico;

    - 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.

    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.

    Línguas

    Habilidade de comunicação e redação em inglês. 

    Como se candidatar

    Submissões de candidaturas e dúvidas devem ser enviadas ao e-mail de Fernando J. Von Zuben: vonzuben@dca.fee.unicamp.br. Candidatos estrangeiros são bem-vindos.

    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.

    A vaga está aberta a brasileiros e estrangeiros. O selecionado receberá Bolsa de Pós-Doutorado da FAPESP no valor de R$ 7.373,10 mensais e Reserva Técnica equivalente a 15% do valor anual da bolsa para atender a despesas imprevistas e diretamente relacionadas à atividade de pesquisa.

    The Laboratory of Bioinformatics and Bioinspired Computing (LBiC) of the University of Campinas' School of Electrical and Computer Engineering (FEEC-UNICAMP) is looking for a highly qualified candidate for a post-doctoral fellowship to work on the automatic detection of epileptic seizures using data analytics and machine learning techniques. The fellowship is granted by the Sao Paulo Research Foundation -- FAPESP for a period of 24 months, with exclusive dedication (40 hours per week). The proposal submission deadline is February 22nd 2019. 

    Job Requirements and Primary Responsibilities 

    The selected candidate will work on the Research, Investigation and Dissemination Center (RIDC) "BRAINN - The Brazilian Institute of Neuroscience and Neurotechnology", more specifically in the subproject “Multi-view multi-task learning methods to improve detection of epileptic seizures in multiple-patient datasets characterized by rare seizure events”. This project aims at investigating the impact of methodologies with multiple tasks (multiple patients) and multiple views (multiple feature extractions) to improve the quality of detection of epileptic seizures dealing with cases of scarcity or absence of occurrences of epileptic seizure events in the recorded data. 

    Primary responsibilities include but are not limited to:

    - Development of machine learning methodologies capable of improving the performance in the detection of epileptic seizures, aiming at becoming the state-of-the-art in the field when dealing with scarce data, multiple patients and multiple feature sets;

    - Development and possible improvement of methodologies of feature extraction in EEG data, including the use of techniques of representation learning, usually associated with deep architectures in artificial neural networks;

    - Involvement in task-forces devoted to managing, integrating, analyzing, and interpreting brain activity datasets, thus converting raw data into a more informative representation capable of helping decision making;

    - Validation of the proposed solutions in clinical conditions;

    - Production of high-impact technical and scientific papers, patents and prototypes with socioeconomic potential value;

    - Active participation in the training of human resources in the research area;

    - Composition of reports and documentations associated with the project.

    Skills and experience 

    - Ph.D. in Electrical Engineering, Computer Engineering, Computer Science, Data Science, Statistics, or Applied Mathematics;

    - Experience in advanced solutions for machine learning is required;

    - Previous contact with medical datasets (mainly EEG), multitask learning, datasets with unbalanced data and multi-view learning is desirable but not mandatory;

    - Testified ability to perform statistical or mathematical formulation and proficiency in solving optimization problems is required;

    - Complete understanding of at least one computer language widely used in machine learning (e.g. Python, C, Matlab or R) is mandatory;

    - Proficiency in statistical or mathematical formulation environments (e.g. Matlab, R, SciPy, Gurobi, Sklearn and CVXOPT) is desirable but not mandatory.

    Personal skills 

    - Strong motivation to work independently and as part of a multidisciplinary team;

    - Good skills in communication and in the establishment of partnerships with other research groups with common interests, including those composing RIDC / BRAINN;

    - Proactive and leadership spirit.

    Languages 

    Communication and writing skills in English are required;

    How to apply 

    Submissions and questions should be directed to Fernando J. Von Zuben’s e-mail: vonzuben@dca.fee.unicamp.br. Foreign applicants are welcome to apply.

    Please, use "POSTDOC – BRAINN: Detection of Epileptic Seizures" as the subject of the e-mail and attach:

    1) Curriculum vitae;

    2) Names of two references with contact information;

    3) A two-page summary of past research and relevant qualifications;

    4) A link to a personal Web page, if available, where further information can be found.

    This opportunity is open to candidates of any nationalities. The selected candidate will receive a FAPESP’s Post-Doctoral fellowship in the amount of R$ 7,373.10 monthly and a research contingency fund, equivalent to 15% of the annual value of the fellowship which should be spent in items directly related to the research activity.