Sociedad Española de Genética

Contrato predoctoral Aprendizaje Automático

Por motivos de seguridad las URL incluídas en los anuncios no se convierten automáticamente a enlaces. Si desea visitarlos puede copiarlos y pegarlos en la barra de direcciones de su navegador. Si hay información adjunta al anuncio se incluye su URL al final de la página

Buenos días,
Se espera que se publique próximamente una posición de 4 años para realizar la tesis doctoral sobre aprendizaje automático en predicción genómica y análisis de microbioma. Se busca persona con interés en aspectos computacionales aplicados a la agricultura y dispuesta a realizar estancias en el extranjero. Se ofrece contrato de cuatro años, posibilidad de colaboración con diversos grupos internacionales de primer orden, y formación en un área con gran demanda de trabajo.

Las personas interesadas pueden enviar su CV y una o más personas de contacto que puedan dar referencias.

Os envío el resumen del proyecto:

La belleza de lo profundo: Aplicaciones del Deep Learning a la prediccion genomica
La Agricultura, como muchas otras áreas, se está transformando por la gran cantidad de datos que pueden generarse a bajo costo a
través de sensores y tecnologías genómicas. Las tecnologías de aprendizaje profundo (DL) están recibiendo mucha atención debido a su
flexibilidad y capacidad para explotar este diluvio de datos. Entre la gran cantidad de nuevos datos disponibles, destacan los datos de
microbioma, cuya importancia en la salud y la producción animal es ampliamente reconocida. El objetivo principal de esta propuesta es
explorar el potencial de los algoritmos de aprendizaje profundo en la predicción genómica, especialmente cuando se incluyen datos de
microbioma. También de desarrollarán herramientas para combinar el microbioma y la información genómica en problemas de predicción.
Nos centramos en desarrollos metodológicos y de software de relevancia en aplicaciones animales, vegetales y forestales. Los objetivos
específicos son: (i) Estudiar el rendimiento de DL para la predicción genómica en una amplia gama de escenarios genéticos, incluidos los
datos de microbioma, en comparación con métodos lineales; (ii) Explorar un enfoque holístico basado en GAN (Redes Adversarias
Generativas) para simular fenotipos novedosos como los datos de metagenoma; y (iii) Desarrollar software para simular programas que
utilizen datos de microbiomas y genotipos. En todo momento, utilizaremos datos públicos y privados disponibles a través de
cooperaciones nacionales e internacionales.

Saludos

===============================================================
Miguel Perez-Enciso
ICREA professor
Centre for Research in Agricultural Genomics (CRAG)
and Facultat de Veterinaria UAB
Campus Universitat Autonoma Barcelona
Bellaterra
E-08193 Spain
Tel: +34 935636600 ext 3346
Fax: +34 935636601
miguel.perez@uab.es
http://www.icrea.cat/Web/ScientificStaff/Miguel-Perez-Enciso-255
http://bioinformatics.cragenomica.es/numgenomics/
https://publons.com/researcher/1438761/miguel-perez-enciso/
http://scholar.google.es/citations?user=Lpl_-dcAAAAJ&hl=es
http://orcid.org/0000-0003-3524-995X
https://github.com/miguelperezenciso/
================================================================