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.
-
Enviar
Oportunidade - Oportunidades Abertas Open Opportunities
-
Fellowships Opportunities