Opis stanowiska
Do konkursu mogą przystąpić osoby, które spełniają warunki określone w art. 113 ustawy z dnia 20 lipca 2018 r. – Prawo o szkolnictwie wyższym i nauce (Dz. U. z 2018 r. poz. 1668) oraz następujące kryteria kwalifikacyjne:
– stopień doktora (uzyskany nie wcześniej niż 7 lat przed rokiem zatrudnienia w projekcie) w dziedzinie nauk inżynieryjno-technicznych w dyscyplinie inżynierii chemicznej lub w dziedzinie nauk ścisłych i przyrodniczych w dyscyplinie nauk chemicznych;
– doświadczenie w zakresie analizy chemometrycznej oraz bioinformatycznej danych spektrometrycznych (przygotowanie danych i ich analiza);
– doświadczenie w wykorzystaniu zaawansowanych chemometrycznych technik statystycznych w szczególności analizy wielowymiarowej, metody sztucznych sieci neuronowych do interpretacji uzyskanych danych z analizy próbek biologicznych;
– praktyczna umiejętność programowania w języku C++ lub R i praktyczna umiejętność pracy z programami opartymi o to środowisko;
– wiedza z zakresu technik elektroforetycznych, technik spektrometrycznych i spektroskopowych;
– samodzielność w przygotowaniu publikacji do anglojęzycznych czasopism naukowych, międzynarodowych wystąpień konferencyjnych;
– samodzielność w prowadzeniu badań eksperymentalnych oraz doskonała organizacja codziennej pracy;
– dorobek naukowy udokumentowany publikacjami w renomowanych czasopismach o zasięgu międzynarodowym oraz czynnym udziałem w konferencjach naukowych;
– doświadczenie laboratoryjne nabyte w innych jednostkach naukowych;
– znajomość obsługi komputera, w tym pakietu Microsoft Office.
Opis zadań:
Do zadań należeć będzie przeprowadzenie analiz bioinformatycznych i chemometrycznych uzyskanych danych z wykorzystaniem analizy wielowymiarowej i sztucznych sieci neuronowych za pomocą specjalistycznego oprogramowania statystycznego jak Matlab lub Statistica, programowanie w języku C++ lub R. Upowszechnianie wyników w postaci publikacji i prezentacji na konferencjach naukowych.
Zatrudnienie finansowane z projektu: „Nowe podejście do obrazowania i szybkiej identyfikacji mikrobiomu w ocenie skutków radioterapii” NCN Opus 20, 2020/39/B/NZ7/02733