Bolsa de TT-V em Aprendizado de Máquina – Geração de Laudos de Amostras Histológicas

Level 5-Technical Training Fellowship in Machine Learning – Generating Histological Samples Reports

Nº: 9632

Área de conhecimento: Ciência da Computação

Field of knowledge: Computer science

Nº do processo FAPESP: 2025/24544-7

FAPESP process: 2025/24544-7

Título do projeto: Desenvolvimento de ferramentas multimodais de inteligência artificial para patologia digital e diagnóstico de câncer

Project title: Development of Multimodal Artificial Intelligence Tools for Digital Pathology and Cancer Diagnosis

Área de atuação: Patologia Digital

Working area: Digital Pathology

Quantidade de vagas: 1

Positions: 1

Valor da bolsa: Consulte a Tabela de Valores da FAPESP (consulte os valores de Bolsas da FAPESP em fapesp.br/valores/bolsasnopais).

Value: Consulte a Tabela de Valores da FAPESP (consulte os valores de Bolsas da FAPESP em fapesp.br/valores/bolsasnopais).

Pesquisador responsável: Viviane Alencar

Principal investigator: Viviane Alencar

Unidade/Instituição: Oncodata

Unit/Instituition: Oncodata

Data limite para inscrições: 14/08/2026

Deadline for submissions: 2026-08-14

Publicado em: 16/07/2026

Publishing date: 2026-07-16

Inicio: setembro de 2026

Start: 2026, september

Localização: São José dos Campos

Locale: São José dos Campos

E-mail para inscrições: viviane@oncodata.com.br

E-mail for proposal submission: viviane@oncodata.com.br

  • Atividades e contexto

    Os objetivos da bolsa de Treinamento Técnico nível cinco (TT-V) para o presente projeto são:

    - Desenvolver um algoritmo de inteligência artificial – IA (ou conjuntos de algoritmos) que permitam a geração de laudos anatomopatológicos de amostras histológicas;

    - Desenvolver uma pipeline de processamento de dados que permita o uso integrado dos modelos desenvolvidos juntamente à plataforma Web de análise de imagens.

  • Requisitos obrigatórios

    - Boa base matemática e autonomia no desenvolvimento de pesquisa;

    - Experiência com pesquisa e revisão sistemática nas áreas de matemática, matemática aplicada, física ou machine learning (ML);

    - Experiência com manipulação de grandes volumes de dados;

    - Boa base e autonomia com programação, em especial na linguagem Python.

  • Requisitos desejáveis

    - 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;

    - Uso de pacotes de software para ML / Deep Learning (DL), como, por exemplo, PyTorch.

  • Como se candidatar

    Enviar CV e indicação de dois nomes para referência para o e-mail informado, com o assunto “Bolsa TT-5 FAPESP”.