Bolsa de PD em Aprendizado de Máquina e Visão Computacional

Post-Doctoral Fellowship in Machine Learning and Computer Vision

Nº: 3883

Área de conhecimento: Ciência da Computação

Field of knowledge: Computer science

Nº do processo FAPESP: 2018/24167-5

FAPESP process: 2018/24167-5

Título do projeto: World Wide Web of Plankton Image Curation (www.pic)

Project title: World Wide Web of Plankton Image Curation (www.pic)

Área de atuação: Aprendizado de Máquina e Visão Computacional

Working area: Machine Learning and Computer Vision

Quantidade de vagas: 1

Number of places: 1

Pesquisador responsável: Nina S. T. Hirata

Principal investigator: Nina S. T. Hirata

Unidade/Instituição: Instituto de Matemática e Estatística/Universidade de São Paulo

Unit/Instituition: Instituto de Matemática e Estatística/Universidade de São Paulo

Data limite para inscrições: 31/10/2020

Deadline for submissions: 2020-10-31

Publicado em: 24/09/2020

Publishing date: 2020-09-24

Localização: Rua do Matão, 1010, São Paulo

Locale: Rua do Matão, 1010, São Paulo

E-mail para inscrições: nina@ime.usp.br

E-mail for proposal submission: nina@ime.usp.br

  • Resumo Summary

    “Métodos eficientes em dados para classificação de imagens de plâncton” – esta oportunidade é aberta a candidatos de qualquer nacionalidade. O projeto World Wide Web of Plankton Image Curation (WWW.PIC) é promovido pelo consórcio Belmont Forum e conta com a participação de times da França, Estados Unidos, Brasil e Japão. Haverá oportunidades para interação com pesquisadores e laboratórios desses quatro países.

    O objetivo principal deste projeto de pós-doutorado é o desenvolvimento de métodos computacionais baseados em aprendizado de máquina para acelerar tanto a anotação quanto a classificação de imagens de plâncton, de forma a minimizar o esforço empenhado pelo especialista. O método deve ser capaz de fazer uso efetivo de conhecimento gerado previamente, produzindo rapidamente um novo classificador adaptado para imagens ou condições de uso novas. Alguns dos tópicos a serem explorados na pesquisa são abordagens não-supervisionadas ou semi-supervisionadas de aprendizado de máquina, possivelmente incluindo mecanismos de interação com usuários, assim como técnicas relacionadas à detecção de novidades e tratamento de desbalancemanto de classes.

    Mais detalhes estão disponíveis em bit.ly/2lw2oD7.

    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.

    “Data efficient methods for plankton image classification” – this opportunity is open to applicants of any nationality. The World Wide Web of Plankton Image Curation (WWW.PIC) project is promoted by Belmont Forum and with participating teams from France, United States, Brazil and Japan. There will be opportunities to interact with researchers and labs of the four countries.

    The main goal of this postdoc project is to develop machine learning based computational methods to speed up both annotation and classification of plankton images, minimizing the required effort from the expert. The method should be able to effectively reuse previously generated knowledge, quickly producing new classifiers adapted to new imaging or use conditions. Unsupervised and semi-supervised machine learning approaches, possibly including user-interaction mechanisms, as well as techniques related to novelty detection and class imbalance treatment, are some of the research topics to be explored. The fellow will based in the Institute of Mathematics and Statistics of the University of São Paulo, Brazil.

    More details are available at bit.ly/2lw2oD7.

    The selected candidate will receive a Post-Doctoral fellowship from the São Paulo Research Foundation (FAPESP) 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.