دانشجوی دکتری در هوش مصنوعی: معماریهای نمادین برداری تفسیرپذیر برای تفسیر ژنوم
توسعه چارچوبهای نوآورانه معماری نمادین برداری برای بهبود تفسیرپذیری مدلهای یادگیری ماشین در ژنومیک.
مناسب برای:مناسب برای داوطلبانی با پیشزمینه قوی در یادگیری ماشین و علاقهمند به بهکارگیری هوش مصنوعی در مجموعهدادههای پیچیده ژنومی و بیولوژیکی.
مرور کلی
موسسه ژنتیک مولکولی مونپلیه (IGMM) به دنبال جذب یک دانشجوی دکتری با انگیزه برای پیوستن به آزمایشگاه «هوش مصنوعی برای تفسیر ژنوم» به مدیریت Daniele Raimondi است. این پروژه میانرشتهای بر استفاده از معماریهای نمادین برداری (VSA) یا محاسبات ابربعدی برای مدلسازی روابط ژنوتیپ-فنوتیپ تمرکز دارد. داوطلب موفق، بازنماییهای چندمقیاسی از دادههای ژنومی را برای غلبه بر محدودیتهای مدلهای یادگیری عمیق فعلی در زمینه تفسیرپذیری و کمبود داده توسعه خواهد داد. این پژوهش شامل نمونهسازی روشها بر روی مجموعهدادههای مخمر و سپس اعمال آنها بر دادههای توالییابی اگزوم انسانی برای پیشبینی ریسک بیماری است. این موقعیت فرصتی برای کار در تقاطع یادگیری ماشین، بیوانفورماتیک و ژنتیک بالینی فراهم میکند.
نحوهٔ درخواست
برای دیدن امتیاز تطابق شخصی، نیازمندیها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.