博士后职位 - FeatureCloud:复杂多组学数据的联合机器学习
“
01
Feature Cloud
数字革命,尤其是大数据挖掘、人工智能应用和机器学习,为改变医疗保健提供了新的机会。然而,它也对敏感的基本医疗数据(如患者信息和原始数据)的安全带来了风险。
基于此种现状,互联网上的数据交换被视为不可逾越的障碍,阻碍了科学进步和只有大数据挖掘才能实现的新型医疗创新。
FeatureCloud 是 地平线欧洲(European Horizon 2020)资助的一项大型项目,其目的是在打破医疗数据利用壁垒同时最大程度保护患者隐私,从而促进医学发展。具体诉求如下:
医生能轻松安全地存储、访问和管理主要的医疗患者数据而无需危害隐私漏洞
病人对本人信息有完全的控制权,可以在任何时候改变他们的想法、他们想要分享或保密的信息
研究人员应该能够更好地更理想地在全球范围内获得真正匿名的医学和生物医学数据,以便研究和了解疾病,并加速开发新的治疗方法
他们针对以上需求提出了技术和法律上被认为唯一合理的解决方案,大体如下:
所有潜在的不安全数据通信都以分散的形式保存在本地防火墙保护的医院IT系统中(尽可能高的安全性,没有单点攻击)(正如所有中国医院的HIS一样)
本地的、分散的人工智能(AI)软件在这些防火墙之后活跃
仅将无法追溯到敏感患者数据的联合机器学习功能传输到集中但短暂的云中
项目为期五年,目前有五个欧洲国家的九个机构参与。
“
02
复杂多组学数据的联合机器学习
招聘单位为南丹麦大学计算生物学实验室数学和计算机科学系,由副教授 Richard Röttger 主持。FeatureCloud 建立隐私感知的联合机器学习方法,以实现分布式敏感数据的挖掘。他们提出的解决方案为允许联合机器学习,将数据留在安全的存储港中,并在站点上训练本地模型;此后,只有模型参数被整合到一个中心实例中,以创建一个类似于在所有可用数据上训练的传统模型的能力模型。 工作内容如下:
为系统医学和多组学数据的联合机器学习开发新方法
作为计算生物学小组的成员加入一个高度国际化的强大团队,该团队在无监督和监督学习领域提供生物医学数据机器学习方面的广泛专业知识
为候选人提供直接访问针对深度学习和分布式计算优化的最先进计算设施的机会
招聘要求:
具有较强分析和解决问题能力的优秀候选人
他们具有较强的书面和口头沟通能力(英语)
在数据科学、机器学习和复杂系统的软件开发方面具有丰富的经验。
生物数据分析方面的专业知识是优势,但不是必需。
计算机安全和数据隐私方面的专业知识是优势,但不是必需。
“
03
申请与其他
申请人需准备以下材料:
动机信和建议的项目描述,概述候选人的想法与如何处理项目(不超过两页)
简历,包括以往受雇工作的资料、申请人所掌握的编程技巧,以及教学和督导经验
申请人的科学出版物的出版物清单(如有)
博士学位证书的认证副本
至少有一封主管或前雇主的推荐信
线上申请,详情请见
https://www.sdu.dk/en/service/ledige_stillinger/1192874
其他:
2022 年 9 月 1 日或之后不久开始
职位最初为 15 个月,未来可能会延长
申请截止日期:2022 年 8 月 1 日
不考虑不完整的申请和在截止日期后收到的申请