Opis stanowiska
Osoba zatrudniona na tym stanowisku będzie odpowiedzialna za prowadzenie badań naukowych w ramach projektu TRAILS, ukierunkowanych na rozwój i implementację nowoczesnych technik analizy sygnałów biologicznych (w szczególności sygnałów EEG) oraz modeli uczenia maszynowego, w tym opracowywanie, implementacja i testowanie algorytmów sztucznej inteligencji zgodnie z celami projektu (efektywność obliczeniowa, odporność na szum, wyjaśnialność, zdolność do oceny niepewności decyzji).
Nasze wymagania
- Spełnienie wymagań określonych w art. 113 ustawy Prawo o szkolnictwie wyższym i nauce (Dz.U. 2024, poz. 1571 t.j.).
- Stopień magistra w dziedzinie nauk inżynieryjno-technicznych, nauk o zdrowiu lub nauk ścisłych i przyrodniczych (szczególnie mile widziani absolwenci neuroinformatyki).
- Bardzo dobra znajomość języka angielskiego.
- Bardzo dobra znajomość analizy sygnałów biologicznych.
- Biegła znajomość języka Python oraz dobre umiejętności programistyczne.
- Praktyczna znajomość technik uczenia maszynowego.
- Silna motywacja do prowadzenia badań naukowych oraz gotowość do pracy w zespole interdyscyplinarnym.
Mile widziane
- Dodatkowym atutem będzie doświadczenie badawcze w obszarze analizy sygnałów i/lub uczenia maszynowego (publikacje, udział w projektach badawczych).
Zakres obowiązków
- Udział w procesie ekstrakcji cech i budowy modeli wspierających diagnostykę neurologiczną oraz wczesne wykrywanie zmian neurodegeneracyjnych, z wykorzystaniem dużych, rzeczywistych zbiorów danych.
- Współpraca z członkami własnej grupy badawczej, innymi zespołami zaangażowanymi w realizację projektu TRAILS oraz z partnerami klinicznymi i biznesowymi projektu, w celu praktycznego i wdrażalnego wykorzystania wypracowanych wyników badań.
- Przestrzeganie zasad ochrony danych osobowych i medycznych (RODO) oraz procedur etycznych obowiązujących w projekcie przy pracy z danymi klinicznymi i sygnałami EEG.
- Prezentowanie wyników badań na konferencjach naukowych oraz przygotowywanie publikacji do wiodących czasopism międzynarodowych, z zamieszczaniem informacji o finansowaniu i afiliacji projektowej zgodnie z wymogami grantodawcy.
- Realizacja obowiązków doktoranta wynikających z Regulaminu Szkoły Doktorskiej Nauk Ścisłych i Przyrodniczych Uniwersytetu Warszawskiego, w tym terminowa realizacja programu kształcenia i indywidualnego planu badawczego.
Oferujemy
- pracę w interdyscyplinarnym zespole prowadzącym prace badawcze i rozwojowe o wysokiej innowacyjności
- atrakcyjne wynagrodzenie
Dokumenty wymagane do rekrutacji
- CV ze szczegółowym opisem osiągnięć naukowych (publikacje, konferencje, nagrody i wyróżnienia itp.).
- Wykazy ocen ze studiów licencjackich/inżynierskich oraz magisterskich.
- Co najmniej jeden list rekomendacyjny przygotowany przez starszego badacza lub pracownika akademickiego, oceniający umiejętności badawcze kandydata oraz jego/jej dotychczasową aktywność badawczą.
- Krótki list motywacyjny wyjaśniający motywację do prowadzenia badań w tym obszarze.
- Kopia dyplomu magistra (lub równoważnego); jeżeli dyplom nie został jeszcze wydany, wymagane jest zaświadczenie promotora potwierdzające planowany termin obrony, a dyplom magistra musi zostać uzyskany przed podpisaniem umowy o pracę.
Załączniki
Dodatkowe informacje dla kandydata
Centrum Godnej Zaufania Sztucznej Inteligencji dla Nauk o Życiu - Międzynarodowa Agenda Badawcza (TRAILS) koncentruje się na opracowaniu nowej metod AI łączących wysoką skuteczność predykcyjną z przejrzystością, wiarygodnością oraz możliwością praktycznego zastosowania w naukach o życiu. TRAILS dąży do opracowania bezpiecznych i wyjaśnialnych modeli AI, zdolnych do analizy danych wielomodalnych, w szczególności szeregów czasowych, tekstu oraz sygnałów biologicznych. Kluczowym obszarem aplikacyjnym jest elektroencefalografia (EEG), której analiza stanowi jedno z największych wyzwań współczesnej diagnostyki neurologicznej.
Profil badawczy TRAILS obejmuje cztery komplementarne obszary. Pierwszy z nich dotyczy opracowania systemów AI do analizy danych biologicznych. Drugi koncentruje się na budowie efektywnych modeli podstawowych. Trzeci obejmuje rozwój matematycznych podstaw AI. Czwarty topologiczną analizę danych umożliwiającą ekstrakcję cech opisujących strukturę i kształt danych.