Bolsa de PD em Aprendizado de Máquina usando Redes Neurais Profundas

Post-Doctoral Fellowship in Machine Learning using Deep Neural Networks

Nº: 4758

Área de conhecimento: Ciência da Computação

Field of knowledge: Computer science

Nº do processo FAPESP: 2019/17721-9

FAPESP process: 2019/17721-9

Título do projeto: A Função da Química na Adaptação de Holobiontes

Project title: The role of Chemistry in holobiont adaptation

Área de atuação: Aprendizado de Máquina e Inteligência Artificial

Working area: Machine Learning and Artificial Intelligence

Quantidade de vagas: 1

Number of places: 1

Início: 04/04/2022

Start: 2022-04-04

Pesquisador responsável: Roberto G. S. Berlinck

Principal investigator: Roberto G. S. Berlinck

Unidade/Instituição: IQSC-USP e ICMC-USP

Unit/Instituition: IQSC-USP e ICMC-USP

Data limite para inscrições: 15/02/2022

Deadline for submissions: 2022-02-15

Publicado em: 15/12/2021

Publishing date: 2021-12-15

Localização: Avenida Trabalhador São-carlense, 400 – Laboratório de Inteligência Computacional (LABIC), São Carlos

Locale: Avenida Trabalhador São-carlense, 400 – Laboratório de Inteligência Computacional (LABIC), São Carlos

E-mail para inscrições: solange@icmc.usp.br

E-mail for proposal submission: solange@icmc.usp.br

  • Resumo Summary

    Bolsa de Pós-Doutorado disponível para aprendizado de máquina usando redes neurais profundas em projeto envolvendo descoberta de produtos naturais microbianos como candidatos a fármacos, vinculado ao Projeto Temático “A Função da Química na Adaptação de Holobiontes“. O bolsista atuará principalmente no ICMC-USP, campus de São Carlos. Neste projeto, redes neurais profundas serão investigadas para classificação de imagens de microorganismos. Além do trabalho em laboratório, atividades adicionais incluem a apresentação de seminários, organização e participação em reuniões de grupo, bem como a preparação de documentos científicos e participação em encontros científicos.

    Solicita-se aos candidatos enviar os seguintes documentos para o Professor Roberto G. S. Berlinck (rgsberlinck@iqsc.usp.br) com cópia para solange@icmc.usp.br:

    - Carta de motivação do candidato(a);
    - Currículo atualizado incluindo trabalhos publicados atestando capacidade de execução do projeto;
    - Uma carta de recomendação.

    Qualificação necessária:

    - Candidatos(as) com Ph.D. (obtido há no máximo sete anos) em Ciência de Computação ou áreas afins;
    - Inglês avançado (escrita e oral).

    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, válida por 24 meses e que inclui Reserva Técnica equivalente a 10% do valor anual da bolsa para atender a despesas imprevistas e diretamente relacionadas à atividade de pesquisa.

    A post-doctoral fellowship is available for machine learning using deep neural networks. The opportunity is linked to the Thematic Project “The Role of Chemistry in the Adaptation of Holobionts“. The activities will be carried out at Institute of Mathematics and Computer Science of the University of São Paulo (ICMC-USP) in São Carlos, Brazil. In this project, deep neural networks will be investigated for classification of microorganism images.

    Applications must be submitted by email with attached documentation in PDF format to Professor Roberto G.S. Berlinck (rgsberlinck@iqsc.usp.br) with a copy to solange@icmc.usp.br. Necessary documents:

    - Letter of interest;
    - CV including published papers attesting the capacity to carry out the project;
    - Letter of recommendation.

    Essential Requirements:

    - PhD degree in computer science. Candidates must have obtained the degree within the last 7 years;
    - Good communication skills in English both written and spoken.

    This opportunity is open to candidates of any nationality. The selected candidate will receive a FAPESP’s Post-Doctoral fellowship in the amount of R$ 7,373.10 monthly valid for 24 months, and a research contingency fund, equivalent to 10% of the annual value of the fellowship which should be spent in items directly related to the research activity.