Bolsa de PD em Telecomunicações

Post-Doctoral Fellowship in Telecommunications

• Resumo Summary

  O objetivo geral do projeto é desenvolver metodologias baseadas em inteligência artificial (IA) para aprimorar sistema de antena fluida (FAS) e abordar fundamentalmente os desafios de escalabilidade do acesso múltiplo 6G. O foco será na aplicação das técnicas de IA, buscando sua incorporação confiável, robusta e efetiva.

  Requisitos:

  - Experiência em linguagem Python. Conhecimento de frameworks como TensorFlow, Keras, bibliotecas como Scikit-learn, Numpy e Pandas;

  - Experiência com modelos de aprendizado de máquina como Extreme Learning Machine (ELM), Multilayer Perceptron (MLP), Autoencoders, Redes Neurais Convolucionais (CNNs) e em Redes Kolmogorov-Arnold (KANs). Desejável também o conhecimento em modelos de Gradient Boosting como HistGBM, LightGBM e XGBoost;

  - Experiência com técnicas de processamento de dados. Desejável conhecimento em Análise de Componentes de Vizinhança (NCA), Incorporação Linear Local (LLE) e Distribuição Estocástica de Vizinhos t (t-SNE);

  - Experiência com técnicas de balanceamento de dados;

  - Desejável noções de Multiple Input, Multiple Output (MIMO), Fluid Antenna System (FAS) e Compressive Sensing (CS);

  - Doutorado concluído há menos de 7 anos.

  Candidatura: enviar para o e-mail gfraiden@unicamp.br, até 17/04/2026, os PDFs de: Súmula curricular modelo FAPESP; Currículo Lattes atualizado; Históricos de mestrado e doutorado.

  A vaga está aberta a brasileiros e estrangeiros. O selecionado receberá Bolsa de Pós-Doutorado da FAPESP no valor de R$ 12.570,00 mensais e Reserva Técnica equivalente a 10% do valor anual da bolsa para atender a despesas imprevistas e diretamente relacionadas à atividade de pesquisa.

  The general objective of this project based at the State University of Campinas's Faculty of Electrical and Computer Engineering (FEEC-UNICAMP) in São Paulo state, Brazil, is to develop methodologies based on Artificial Intelligence (AI) to enhance Fluid Antenna Systems (FAS) and to fundamentally address the scalability challenges of 6G multiple access. The focus will be on the application of AI techniques, aiming at their reliable, robust, and effective integration.

  Requirements:

  - Experience with the Python programming language. Familiarity with frameworks such as TensorFlow and Keras, as well as libraries including Scikit-learn, NumPy, and pandas;

  - Experience with machine learning models such as Extreme Learning Machine (ELM), Multilayer Perceptron (MLP), Autoencoders, Convolutional Neural Networks (CNNs), and Kolmogorov–Arnold Networks (KANs). Desirable knowledge of Gradient Boosting models such as HistGBM, LightGBM, and XGBoost;

  - Experience with data processing techniques. Desirable knowledge of methods such as Neighborhood Components Analysis (NCA), Locally Linear Embedding (LLE), and t-distributed Stochastic Neighbor Embedding (t-SNE);

  - Experience with data balancing techniques;

  - Desirable basic knowledge of Multiple Input, Multiple Output (MIMO), Fluid Antenna System (FAS), and Compressive Sensing (CS);

  - PhD degree obtained within the last seven years.

  Application: Applicants should send by email to gfraiden@unicamp.br, by April 17, 2026, the following PDF documents: FAPESP Curricular summary, updated CV, Master's and PhD academic records.

  This opportunity is open to candidates of any nationality. The selected candidate will receive a FAPESP Post-Doctoral fellowship in the amount of R$ 12,570.00 monthly and a research contingency fund, equivalent to 10% of the annual value of the fellowship which should be spent on items directly related to the research activity.