Научный сотрудник Центра искусственного интеллекта
Зарплата
от 150 000 ₽
Коротко о вакансии
- Зарплата
- от 150 000 ₽ в месяц
- Работодатель
- Сколковский институт науки И технологий, сколтехВсе вакансии работодателя · 4
- Формат
- Полный день
- Оформление
- Полная
- Опыт
- 3–6 лет
- Как откликнуться
- по телефону работодателя — номер откроется после входа
Требования к кандидату
- Образование: высшее образование — подготовка кадров высшей квалификации
- Опыт работы: от 3 лет
- Степень кандидата наук/PhD (физ-мат или технических наук) - обязательно
- Чтение и анализ научной литературы, опыт написания научных статей
- Желание развиваться в прикладном компьютерном зрении для биомедицинских задач
- Знание Python и основных библиотек для анализа данных и компьютерного зрения (OpenCV, scikit-image, PyTorch, Pandas, SciPy)
- Опыт реализации и воспроизведения архитектур из научных статей
- Опыт проведения вычислительных экспериментов
- Умение планировать и реализовывать научную деятельность
- Преимуществом будет: Опыт работы с биомедицинскими данными 2D (УЗИ, рентген, гистология) и 3D (KT, МРТ, ПЭТ)
- Опыт участия в научных грантах (РНФ, РФФИ и другие), написания заявок и отчётов
Место работы и занятость
- График: полный рабочий день
- Занятость: полная занятость
- Место работы: г. Москва, инновационного центра Сколково территория, Большой бульвар, ДОМ 30;корпус: СТРОЕНИЕ 1
- Подходит для: инвалид
Описание вакансии
- Участие в научной деятельности по биомедицинскому искуственному интеллекту (ИИ)
- Постановка задач, планирование и проведение исследований
- Проведение экспериментов с нейронными сетями для задач компьютерного зрения
- Участие в подготовке отчётных материалов, подготовка публикаций на конференции A* и в журналы Q1
- Задачи, которыми предстоит заниматься: Задачи детекции, сегментации, поиск аномалий, классификации на данных медицинской визуализации (сегментация плохо различимой патологии на 3D данных для low contrast данных
- Система виртуального окрашивания для гистологических срезов с помощью генеративных моделей (GAN, Diffusion-based)
- Восстановление 3D формы объекта по снимкам с разных ракурсов (например, по 2-мерным проекциям УЗИ)
- Работа с мультимодальными данными (табличные, текстовые данные, изображения)