UNL Noticias

En el Instituto de Investigación en señales, sistemas e inteligencia computacional, sinc(i) (UNL-CONICET), se busca un aspirante a beca posdoctoral con gran motivación para sumarse al equipo de investigación, en un proyecto altamente innovador que involucra aprendizaje profundo, bioinformática y visión computacional, con aplicación en el campo de la interacción planta-virus.

Esta beca se enmarca en el proyecto "3D-bioprinting meets machine learning: a novel tool to decipher the determinants of viral tropism", y el objetivo es desarrollar algoritmos que permitan integrar datos transcriptómicos e imágenes de microscopía para aprender de forma automática la dinámica del tropismo viral en los distintos tejidos de las plantas. El proyecto es llevado adelante en colaboración con investigadores de la Universidad de Nottingham (Reino Unido) y el Consejo Superior de Investigaciones Científicas (España).

Fecha de inicio: 1 de octubre de 2024.

Equipo de trabajo: Georgina Stegmayer, Diego Milone, Enzo Ferrante

Vas a poder:

●     Desarrollar métodos innovadores en aprendizaje profundo para encontrar relaciones entre imágenes y datos de secuenciación

●     Desarrollar herramientas computacionales de alcance mundial que permitan avanzar este campo y estén disponibles para toda la comunidad científica

●     Participar en investigaciones de vanguardia dentro de un proyecto financiado por el HFSP

●     Colaborar con una red excepcional de socios académicos en Reino Unido y España

●     Ser parte de un excelente ambiente de trabajo, donde siempre se prioriza el bienestar de cada integrante, el desarrollo personal y la sinergia del trabajo en equipo

Estipendio: 1.500 dólares por mes, renovable por 3 años.

Perfil buscado:

●     Título de doctorado en Ciencias de la computación, Informática, Bioinformática o  disciplinas cercanas acreditando conocimientos equivalentes

●     Conocimientos de aprendizaje automático, procesamiento de imágenes y bioinformática

●     Conocimientos de metodologías para explicabilidad en inteligencia artificial

●     Experiencia en aprendizaje profundo para visión por computadora, en especial: segmentación de imágenes y flujo óptico

●     Experiencia en aprendizaje profundo para datos en bioinformática, en especial: grandes modelos de lenguaje para datos de secuenciación masiva de DNA/RNA y  single-cell sequencing

Para más información póngase en contacto con la Dra. Georgina Stegmayer (gstegmayer@sinc.unl.edu.ar) adjuntando un CV.