Postdoktor inom multiomik, maskininlärning cancerbiologi

ArbetsbeskrivningVi är en del av SciLifeLab and Wallenberg National Program for Data-Driven Life Science (DDLS) strategiska område Precision Medicine and Diagnostics och är verksam vid SciLifeLab och KTH. Gruppens forskningen kombinerar cancerbiologi, multiomik och beräkningsbaserade metoder, med en stark forskningsprofil inom tvärvetenskaplig forskning och publikationer i ledande vetenskapliga tidskrifter. Mer information om gruppen finns på: A Lundberg Lab.Vi kommer att integrera flera datatyper, inklusive genomik, transkriptomik, DNA-metylering, andra molekylära profiler, kliniska och patologiska data samt medicinska bilder, med särskilt fokus på att utveckla tolkningsbara och biologiskt meningsfulla modeller. Metoderna kan omfatta maskininlärning, deep learning, bildanalys, beräkningsbaserad patologi, multiomikintegration och foundation models.Anställningen passar någon med stark beräkningsvetenskaplig bakgrund och dokumenterad erfarenhet av maskininlärning, deep learning eller närliggande områden, i kombination med ett intresse för cancerbiologi och biomedicinska tillämpningar. Det finns även möjlighet att bidra till forskningsansökningar, forskningsnätverk. Den som anställs kommer att ges möjlighet att utveckla och leda egna beräkningsbaserade forskningsprojekt inom gruppen. KvalifikationerKrav Avlagd doktorsexamen inom datavetenskap, maskininlärning, beräkningsbiologi, bioinformatik eller närliggande område. Detta behörighetskrav ska vara uppfyllt senast vid tidpunkten då anställningsbeslutet fattas. En stark forskningsprofil inom maskininlärning, deep learning, beräkningsbiologi eller närliggande beräkningsvetenskapliga områden, med dokumenterat intresse för att tillämpa beräkningsbaserade metoder inom cancerforskning eller annan biomedicinsk forskning. Programmeringskunskaper i Python och/eller R samt erfarenhet av att utveckla, implementera och utvärdera beräkningsbaserade metoder eller maskininlärningsmetoder. Goda kunskaper inom statistik, biostatistik och multivariat dataanalys, inklusive lämpliga metoder för modellevaluering och validering. Mycket goda kunskaper i engelska, både i tal och skrift, eftersom engelska används i det dagliga arbetet. Erfarenhet av: Storskaliga, högdimensionella biologiska eller biomedicinska dataset och integration av heterogena datatyper. Ett eller flera av följande områden: analys och integration av multiomikdata, multimodal maskininlärning, medicinsk bildanalys, beräkningsbaserad patologi, bildanalys,...

Summary and match are AI-generated; verify details on the original posting.

Listed via EURES. All sources