Bolsa de TT-V em Aprendizado de Máquina / Visão Computacional

Level 5-Technical Training Fellowship in Machine Learning / Computer Vision

Nº: 7768

Área de conhecimento: Ciência da Computação

Field of knowledge: Computer science

Nº do processo FAPESP: 2023/11600-0

FAPESP process: 2023/11600-0

Título do projeto: Uso de inteligência artificial para auxílio à classificação do escore de Gleason em lâminas anatomopatológicas de câncer de próstata

Project title: Using artificial intelligence in support of Gleason score classification of prostate cancer anatomopathological slides

Área de atuação: Aprendizado de Máquina / Visão Computacional para Imagens Médicas

Working area: Machine Learning / Computer Vision for Medical Imagery

Quantidade de vagas: 1

Positions: 1

Pesquisador responsável: Viviane Teixeira L. de Alencar

Principal investigator: Viviane Teixeira L. de Alencar

Unidade/Instituição: Oncodata

Unit/Instituition: Oncodata

Data limite para inscrições: 28/03/2025

Deadline for submissions: 2025-03-28

Publicado em: 29/01/2025

Publishing date: 2025-01-29

Localização: Praça Chuí, 35 (sala 10), São José dos Campos

Locale: Praça Chuí, 35 (sala 10), São José dos Campos

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

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

  • Resumo

    A Oncodata, startup que desenvolve ferramentas de IA para auxílio ao diagnóstico de câncer, está com vaga para novo bolsista. Para o projeto acima, o bolsista de Treinamento Técnico nível cinco (TT-V) ficará responsável pela investigação e desenvolvimento de um modelo de Machine Learning para auxiliar na correta classificação do escore de Gleason em lâminas de patologia digitalizadas de tumores de próstata.

    Habilidades necessárias:

    - Familiaridade com programação em Python e com o uso de pacotes para ML / Deep Learning (DL), como, por exemplo, Pytorch;

    - Entendimento da arquitetura de redes DL aplicadas ao contexto de visão computacional, em especial Redes Convolucionais e Transformers;

    - 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 Característica de Operação do Receptor ou Curva ROC e matriz de confusão;

    - Boa base matemática.

    A bolsa será de 40 horas semanais por 9 meses, com modelo de trabalho híbrido. Os interessados devem enviar o Curriculum Vitae para a pesquisadora responsável.

    Informações sobre requisitos e benefícios da Bolsa FAPESP TT-V estão disponíveis em https://fapesp.br/3098 e https://fapesp.br/3162.