Prezados, boa tarde
Está sendo disponibilizada uma bolsa de Treinamento Técnico 5 (TT-5)
dentro do projeto “Prevendo Eventos Cardiovasculares Usando Aprendizado de
Máquina” – “Predicting Cardiovascular Events Using Machine Learning (PRE-CARE
ML)”, financiado pela Fundação de Amparo à Pesquisa do Estado de São Paulo –
FAPESP na linha Acordos de Cooperação / EU/Horizon 2020 / EU/Horizon 2020 -
Projeto de Pesquisa - Regular - ERA PerMed.
Este projeto está associado a um consórcio internacional, com coordenação geral do Prof. Peter P. Rainer, Medical University of Graz (Austria), coordenação local do Prof. Paulo Mazzoncini de Azevedo-Marques, Faculdade de Medicina de Ribeirão Preto – USP e participação de pesquisadores do Hasso Plattner Institute for Digital Engineering - University of Potsdam (Germany) e Karolinska Institutet - Department of Clinical Sciences, Danderyd Hospital (Sweden).
Buscamos para trabalhar com validação e melhoria de modelos de aprendizado de máquina para previsão de eventos cardiovasculares. Os candidatos devem ter graduação preferencialmente em Informática Biomédica, Ciências da Computação, Engenharia de Computação, Engenharia Biomédica, Informática, Física Computacional, possuir no mínimo cinco anos de experiência em pesquisa ou experiência profissional após a graduação ou possuir título de doutor em área relacionada com conhecimentos em bases de dados, mineração de dados, sistemas distribuídos, aprendizado de máquina, HL7 e OMOP-CDM. Mais informações sobre o projeto de pesquisa estão em https://precareml.github.io/#!
O bolsista 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 que será disponibilizado pelo consórcio, o que será feito através de uma abordagem de aprendizagem federada. Habilidades de programação são essenciais, em Phyton, R, Docker.
O candidato selecionado receberá uma bolsa de Treinamento Técnico 5 (TT-5) da FAPESP no montante de R$ R$ 8.478,40 mensalmente. A duração da bolsa TT-5 é de até 24 meses
A pesquisa será desenvolvida no Centro de Ciências das Imagens e Física Médica (CCIFM) do Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto (HCFMRP), da Universidade de São Paulo, em Ribeirão Preto-SP. O CCIFM (http://ccifm.fmrp.usp.br/), além de um centro assistencial de excelência na área de diagnóstico por imagem, possui excelente infraestrutura e equipe multidisciplinar para colaborar no estudo e tem como objetivo desenvolver pesquisas de ponta e estratégias experimentais que resultem em material e protótipos pioneiros e publicações de artigos de alto impacto.
Os interessados devem enviar e-mail ao Prof. Paulo Mazzoncini de Azevedo Marques (pmar...@fmrp.usp.br) com o campo assunto indicando: “Seleção para bolsa TT5: Projeto PRE-CARE ML”.
Devem ser enviados anexados ao e-mail:
- CV do candidato, indicando formação, produção científica, projetos dos quais participou,
- uma breve declaração de interesse de treinamento técnico na área do projeto, ressaltando suas habilidades relacionadas ao tema.
****************
Paulo Mazzoncini de Azevedo-Marques - E.E., Ph.D.
Associate Researcher at Center for Artificial Intelligence (C4AI) - USP
Head of the Medical Physics Facility at the University Medical Center - HCFMRP
Associate Professor in Biomedical Informatics and Medical Physics
Department of Medical Imaging, Hematology, and Oncology
Ribeirão Preto Medical
School
University of São Paulo (USP)
Av. dos Bandeirantes 3900, Campus USP - Monte Alegre
14049-900, Ribeirão Preto - SP Brazil
Tel: + 55 16 36022647 FAX: + 55 16 36022648
Curriculum Lattes: http://lattes.cnpq.br/7119886675051877
ResearcherID: https://publons.com/researcher/2897729/paulo-m-azevedo-marques/
ORCID ID: https://orcid.org/0000-0002-7271-2774
Google Scholar: https://scholar.google.com.br/citations?hl=pt-BR&user=fYnocfwAAAAJ
Scopus Author ID: 8300658600
PubMed:https://www.ncbi.nlm.nih.gov/myncbi/1rs1xx4jVNVgb9/bibliography/public/