Bolsa de TT-V em Aprendizado de Máquina

Level 5-Technical Training Fellowship in Machine Learning

Nº: 5525

Área de conhecimento: Ciência da Computação

Field of knowledge: Computer science

Nº do processo FAPESP: 2022/07614-3

FAPESP process: 2022/07614-3

Título do projeto: Painel de marcadores sanguíneos de rotina baseado em inteligência artificial para detecção precoce do câncer de mama

Project title: AI-based panel of routine blood markers for early detection of breast cancer

Área de atuação: Ciências da Computação / Aprendizado de Máquina

Working area: Computer Sciences / Machine Learning

Quantidade de vagas: 1

Number of places: 1

Início: 15/11/2022

Start: 2022-11-15

Pesquisador responsável: Daniella Castro Araújo

Principal investigator: Daniella Castro Araújo

Unidade/Instituição: Huna Ltda.

Unit/Instituition: Huna Ltda.

Data limite para inscrições: 07/11/2022

Deadline for submissions: 2022-11-07

Publicado em: 21/10/2022

Publishing date: 2022-10-21

Localização: Rua Trajano Reis, 777, São Paulo

Locale: Rua Trajano Reis, 777, São Paulo

E-mail para inscrições: vagas@huna-ai.com

E-mail for proposal submission: vagas@huna-ai.com

  • Resumo

    Huna é uma healthtech que desenvolve soluções para detecção precoce de doenças crônicas utilizando IA. Nossa missão é contribuir para jornadas diagnósticas mais simples e rápidas para toda a população.

    Bolsa FAPESP de Treinamento Técnico nível cinco (TT-V), com duração de 9 meses, voltada a Mestre ou Doutor em Ciência da Computação, Matemática Computacional, Sistemas de Informação, Engenharia de Software, Engenharia da Computação ou áreas correlatas.

    Atribuições:

    - Pré-processar dados;
    - Desenvolver modelos utilizando técnicas de IA para resolver problemas reais;
    - Desenhar, rodar e avaliar experimentos para validação dos problemas de negócio;
    - Lidar com pesquisadores e parceiros não-técnicos (especialmente do setor de saúde) para ajudar a levantar requisitos técnicos;
    - Especificar a arquitetura dos modelos de IA mais apropriada;
    - Ajudar a decidir quando um modelo está pronto para ser implantado em produção;
    - Criar ferramentas e visualizações que ajudem a interpretar e elucidar as decisões dos modelos desenvolvidos.

    Conhecimentos específicos:

    - Seleção e engenharia de features, modelagem estatística, algoritmos de aprendizado de máquina, validação de modelos e desenvolvimento;
    - Experiência com Python e bibliotecas de ML (Scikit-Learn, Pytorch, Scipy, Pandas);
    - Inglês avançado;
    - Experiência no setor de saúde (áreas clínicas – terapêuticas ou diagnósticas) trabalhando com bancos de dados, padrões de interoperabilidade e prontuários eletrônicos.

    Mais informações sobre requisitos e benefícios da Bolsa FAPESP TT-V estão em fapesp.br/3098 e fapesp.br/3162.

Voltar Back