Na Faculdade de Medicina de Ribeirão Preto, bolsistas participarão de projeto que propõe o uso de aprendizado de máquina para prever eventos cardiovasculares (imagem: Sanjay KJ/Pixabay)

Pós-doutorado em ciência da computação e treinamento técnico em engenharia biomédica na USP
23 de novembro de 2022

Na Faculdade de Medicina de Ribeirão Preto, bolsistas participarão de projeto que propõe o uso de aprendizado de máquina para prever eventos cardiovasculares

Pós-doutorado em ciência da computação e treinamento técnico em engenharia biomédica na USP

Na Faculdade de Medicina de Ribeirão Preto, bolsistas participarão de projeto que propõe o uso de aprendizado de máquina para prever eventos cardiovasculares

23 de novembro de 2022

Na Faculdade de Medicina de Ribeirão Preto, bolsistas participarão de projeto que propõe o uso de aprendizado de máquina para prever eventos cardiovasculares (imagem: Sanjay KJ/Pixabay)

 

Agência FAPESP – Uma oportunidade de pós-doutorado e outra de treinamento técnico nível cinco (TT-5), ambas com bolsas da FAPESP, estão disponíveis pelo projeto Prevendo eventos cardiovasculares usando aprendizado de máquina. As inscrições terminam na sexta-feira (25/11).

As atividades dos bolsistas serão conduzidas no Hospital de Clínicas da Faculdade de Medicina de Ribeirão Preto da Universidade de São Paulo (FMRP-USP).

O pós-doutorando vai trabalhar com aprendizado federado para validação de modelos de aprendizado de máquina treinados em diferentes redes de hospitais. Os candidatos à vaga devem ter doutorado em ciências da computação, engenharia biomédica ou área afim, com formação em bases de dados, mineração de dados, aprendizado de máquina, HL7 e OMOP-CDM. Mais informações sobre o projeto de pesquisa estão em https://precareml.github.io/#!.

O bolsista participará da organização de coorte e padronização de dados conforme OMOP-CDM; validação e adaptação de modelo de ML utilizando aprendizado federado; implantação de modelo de ML para teste em ambiente clínico.

O bolsista de TT-5 trabalhará na validação e melhoria de modelos de aprendizado de máquina para previsão de eventos cardiovasculares. Deverá organizar e pré-processar uma coorte local de pacientes, garantindo a harmonização dos dados em conformidade com os padrões adotados pelos parceiros internacionais, com base no OMOP-CDM. O bolsista também deverá apoiar o processo de validação e atualização do modelo de aprendizado de máquina. É preciso alta capacidade de programação em Phyton, R, Docker.

As inscrições devem ser feitas pelo e-mail pmarques@fmrp.usp.br do professor Paulo Mazzoncini de Azevedo-Marques.

Mais informações sobre as vagas em: www.fapesp.br/oportunidades/5563 e www.fapesp.br/oportunidades/5564.

A oportunidade de pós-doutorado está aberta a brasileiros e estrangeiros. O selecionado receberá Bolsa de Pós-Doutorado da FAPESP no valor de R$ 8.479,20 mensais e Reserva Técnica equivalente a 10% do valor anual da bolsa para atender a despesas imprevistas e diretamente relacionadas à atividade de pesquisa.

Caso o bolsista de PD resida em domicílio fora da cidade na qual se localiza a instituição-sede da pesquisa e precise se mudar, poderá ter direito a um auxílio-instalação. Mais informações sobre a Bolsa de Pós-Doutorado da FAPESP estão disponíveis em www.fapesp.br/bolsas/pd.

A Bolsa TT-5 é voltada a profissional graduado, com pelo menos cinco anos de experiência após a graduação ou título de doutorado (preferível doutor em computação), com dedicação de 40 horas semanais às atividades de apoio ao projeto de pesquisa. O valor da bolsa é de R$ 8.478,40 mensais.

Mais informações sobre as bolsas de Treinamento Técnico da FAPESP: www.fapesp.br/bolsas/tt.

Outras vagas de bolsas, em diversas áreas do conhecimento, estão no site FAPESP-Oportunidades, em www.fapesp.br/oportunidades.
 

  Republicar
 

Republicar

A Agência FAPESP licencia notícias via Creative Commons (CC-BY-NC-ND) para que possam ser republicadas gratuitamente e de forma simples por outros veículos digitais ou impressos. A Agência FAPESP deve ser creditada como a fonte do conteúdo que está sendo republicado e o nome do repórter (quando houver) deve ser atribuído. O uso do botão HMTL abaixo permite o atendimento a essas normas, detalhadas na Política de Republicação Digital FAPESP.