Asystent (badawczy)
Warszawa, Polska
Opis
Centrum Godnej Zaufania Sztucznej Inteligencji dla Nauk o Życiu działania Fundacji na rzecz Nauki Polskiej finansowanego przez Unię Europejską ze środków OGŁOSZENIE O KONKURSIE za zgodą Rektora Uniwersytetu Warszawskiego, ogłasza konkurs na stanowisko asystenta (doktorant) w projekcie „Centrum Godnej Zaufania Sztucznej Inteligencji dla Nauk o Życiu (TRAILS)”. Rzeczowniki męskoosobowe użyte w ogłoszeniu stosują się do osób wszystkich płci. O projekcie: Tytuł projektu: Centrum Godnej Zaufania Sztucznej Inteligencji dla Nauk o Życiu (TRAILS) Instytucja finansująca: Fundacja na rzecz Nauki Polskiej Czas trwania projektu:
Oferujemy
Tryb pracy: stacjonarny
Miejsce pracy: Warszawa seminariach akademickich.
Wymagania
kandydatów w konkursie:
Kandydaci będą oceniani na podstawie:
dorobku badawczego i wdrożeniowego,
doświadczenia w komercjalizacji wyników badań i współpracy z gospodarką.
Stanowisko nie związane z działalnością objętą ochroną małoletnich.
O zasadach konkursu:
Numer referencyjny ogłoszenia:
TRAILS-1210-7/2026
Proces rekrutacji
rozpoczęcia pracy i okres zatrudnienia: od 1 sierpnia 2026 do 31 grudnia 2029
Wynagrodzenie: Wynagrodzenie brutto 5600 zł miesięcznie dla wskazanego w ogłoszeniu wymiaru etatu.
Podana kwota obejmuje wynagrodzenie podstawowe i dodatkowe wyliczone wg stawek zgodnych z regulacjami obowiązującymi w Uniwersytecie Warszawskim, jak również dodatkowe wynagrodzenie roczne dla pracowników jednostek sfery budżetowej (tzw.
trzynastka).
Pozostałe aplikacji:
17 lipca 2026 r
Komplet dokumentów aplikacyjnych, zebranych w jednym pliku PDF lub skompresowanych w formacie ZIP, nazwany nazwiskiem osoby kandydującej, należy przesłać przez e-mail na adres: trails@uw.edu.pl
W tytule wiadomości prosimy wpisać numer referencyjny ogłoszenia
Aplikacje niekompletne lub złożone po wskazanym terminie nie będą rozpatrywane.
Aplikacje w języku angielskim powinny zawierać następujące dokumenty (ułożone w podanej kolejności, jeśli są przesyłane w jednym pliku PDF):
Centrum Godnej Zaufania Sztucznej Inteligencji dla Nauk o Życiu działania Fundacji na rzecz Nauki Polskiej finansowanego przez Unię Europejską ze środków
Priorytetu Programu Fundusze Europejskie dla Nowoczesnej Gospodarki 2021–2027 (FENG)
List motywacyjny wyjaśniający zainteresowanie projektem, adresowany do
Dyrektora Centrum Godnej Zaufania Sztucznej Inteligencji dla Nauk o Życiu -
CV zawierający historię zatrudnienia, z nazwami organizacji oraz tytułami zawodowymi i zajmowanymi stanowiskami.
Opis kluczowych kompetencji i doświadczeń, zawierający podsumowanie dotychczasowych doświadczeń.
Opis osiągnięć naukowych, zawierający wykaz co najmniej 1 osiągnięcia naukowego. Należy uwzględnić publikacje, wdrożenia lub patenty, wyróżnienia lub nagrody.
Jeśli osiągnięciami naukowymi są publikacje, należy załączyć ich kopie w plikach PDF. Jeśli osiągnięciami są wdrożenia lub patenty, należy załączyć
Formularz „Kwestionariusz kandydata” (dostępny na stronie internetowej
Uniwersytetu Warszawskiego pod linkiem).
Skan dyplomu magisterskiego.
Konkurs jest pierwszym etapem procesu rekrutacji, prosimy o zapoznanie się z Polityką otwartej, przejrzystej i opartej na osiągnięciach rekrutacji w Uniwersytecie Warszawskim link
Etap I – ocena formalna dokumentów.
Etap II – ocena merytoryczna na podstawie przedłożonych dokumentów.
Etap III – rozmowa kwalifikacyjna z wybranymi osobami kandydującymi. O terminie i formie przeprowadzenia rozmowy kandydaci zostaną poinformowani z odpowiednim wyprzedzeniem przez e-mail. Rozmowy kwalifikacyjne odbędą się online za pośrednictwem platform Google Meet lub Zoom, z wykorzystaniem licencji Uniwersytetu
Warszawskiego. Podczas rozmowy od osób kandydujące będzie oczekiwać się przedstawienia krótkiej prezentacji na temat swojego dorobku badawczego i wdrożeniowego oraz udzielenia odpowiedź na pytania komisji konkursowej. Pytania mogą dotyczyć w szczególności orientacji w tematyce objętej projektem, kompetencji i doświadczeń niezbędnych do realizacji projektu, zbieżności planów badawczych z tematyką projektu oraz wizji pracy w zespole. Rozmowa odbędzie się w języku polskim lub angielskim.
Etap IV – ostateczna ocena osób kandydujących.
Etap V – rozstrzygnięcie konkursu i ogłoszenie wyników w formie rankingu osób kandydujących.
Ocena osób kandydujących będzie prowadzona zgodnie z właściwymi regulacjami, w tym:
Statutem Uniwersytetu Warszawskiego,
FENG dostępną na stronie agendy-badawcze-feng/nabor-2-2025
Rekomendacjami Europejskiej Karty Naukowca oraz Kodeksu postępowania przy rekrutacji naukowców (https://euraxess.ec.europa.eu/jobs/charter/code),
Zarządzeniem nr 27 Rektora UW z dnia 27 lutego 2025 (Monitor UW z 2025 r., poz. 50) https://monitor.uw.edu.pl/Lists/Uchway/Attachments/7256/M.2025.50.Zarz.27.pdf informowania o rozstrzygnięciu konkursu:
Wszystkie osoby kandydujące zostaną poinformowane o wynikach konkursu drogą mailową w ciągu 3 dni roboczych od Etapu V. Pozytywny wynik będzie stanowił podstawę do przeprowadzenia dalszych procedur związanych z zatrudnieniem.
W przypadku rezygnacji osoby kandydującej zajmującej wyższą pozycję w rankingu, przewidziana jest możliwość zatrudnienia kolejnej osoby z listy rankingowej ogłoszonej na
Etapie V.
z konkursem:
Pytania dotyczące konkursu prosimy kierować na adres trails@uw.edu.pl z podaniem numeru referencyjnego ogłoszenia
Zgłoszenia potrzeb związanych z zapewnieniem dostępności podczas procedury konkursowej należy wpisać w Kwestionariuszu osobowym, w polu: Inne ważne informacje od osoby kandydującej
O jednostce zatrudniającej:
Profil badawczy jednostki:
Agenda Badawcza (TRAILS) to interdyscyplinarne centrum badawcze łączące sztuczną inteligencję, uczenie maszynowe, statystykę matematyczną, topologię, geometrię, analizę sygnałów i nauki o życiu. Jego ambicją jest opracowanie nowej generacji metod sztucznej inteligencji, które będą nie tylko dokładne, ale także niezawodne, możliwe do wyjaśnienia, wydajne obliczeniowo, odporne na szumy i bezpieczne w zastosowaniu w dziedzinach o wysokim ryzyku, takich jak medycyna i badania biomedyczne.
TRAILS zajmuje się jednym z głównych wyzwań współczesnej sztucznej inteligencji: jak budować systemy, które mogą efektywnie działać na złożonych, heterogenicznych, niekompletnych i zaszumionych danych, dostarczając jednocześnie istotnych informacji o niepewności i przyczynach swoich decyzji. Wyzwanie to jest szczególnie istotne w naukach o życiu, gdzie dane są często ograniczone, trudne do zebrania, wrażliwe i podatne na dużą zmienność biologiczną. Standardowe modele sztucznej inteligencji często dobrze sprawdzają się w referencyjnych zbiorach danych, ale nie dają się uogólnić na rzeczywiste dane kliniczne ani na dane pochodzące z nowych źródeł.
Głównym obszarem zastosowań TRAILS będzie analiza danych elektroencefalograficznych. EEG to kluczowa nieinwazyjna metoda badania aktywności mózgu i diagnozowania zaburzeń neurologicznych, ale jej interpretacja pozostaje trudna, ponieważ sygnały EEG są wielowymiarowe, zaszumione, heterogeniczne i często oceniane wizualnie przez klinicystów. Istniejące metody uczenia maszynowego do analizy
EEG zazwyczaj opierają się na stosunkowo małych i jednorodnych zbiorach danych i nie doprowadziły jeszcze do powszechnego zastosowania klinicznego. Stwarza to istotną szansę dla nowych metod sztucznej inteligencji, które łączą podstawy matematyczne, istotność biologiczną i potencjał praktycznego zastosowania.
Unikalną cechą TRAILS będzie dostęp do korpusu EEG ELMIKO-UW, jednego z największych zbiorów danych EEG na świecie. Zawiera on ponad 250 000 klinicznych zapisów EEG pochodzących od osób zdrowych i pacjentów w całym spektrum wiekowym, wraz z opisami medycznymi, a w wybranych przypadkach również informacjami diagnostycznymi. Zbiór danych zawiera również ponad 10 000 powtórzonych zapisów od tych samych osób, co stwarza wyjątkowe możliwości walidacji, analizy longitudinalnej i badań typu test-retest. Zasoby te zostaną uzupełnione publicznymi zbiorami danych, takimi jak korpus EEG i NMT Szpitala Uniwersyteckiego Temple, a także innymi dużymi zbiorami danych.
TRAILS będzie podzielone na cztery ściśle współpracujące grupy badawcze. Kandydaci dołączający do TRAILS staną się częścią wspólnego, interdyscyplinarnego programu badawczo-wdrożeniowego, a nie odizolowanych projektów. Wspólnym celem wszystkich grup będzie opracowanie wiarygodnej, multimodalnej sztucznej inteligencji (AIHB) dla nauk przyrodniczych i medycyny, a diagnostyka oparta na EEG będzie stanowić główne pole testowe i ścieżkę wdrożeniową.
Grupa Sztucznej Inteligencji w Biologii Człowieka (AIHB) skoncentruje się na biologicznej i klinicznej warstwie zastosowań Centrum. Jej prace będą obejmować budowę i walidację systemów AI do automatycznej klasyfikacji EEG, wykrywania sygnałów zdrowych/patologicznych oraz identyfikacji zmian neurologicznych lub neurodegeneracyjnych. Grupa będzie ściśle współpracować z klinicystami i partnerami przemysłowymi, aby zapewnić ocenę opracowanych modeli w realistycznych warunkach medycznych. Ważne pytania badawcze będą dotyczyć wpływu wstępnego przetwarzania, architektury modelu i strategii uczenia na cechy wyodrębnione z sygnałów biologicznych, sposobów zapobiegania opieraniu się modeli na artefaktach oraz tworzenia klinicznie istotnej i możliwej do wyjaśnienia sztucznej inteligencji (AI).
Grupa Efektywności Modeli Fundamentalnych (EFM) będzie rozwijać wydajne architektury AI dla multimodalnych danych biomedycznych. Jej prace będą obejmować modele fundamentowe, architektury mieszane, uczenie rozproszone i federacyjne oraz destylację modeli. Celem będzie stworzenie modeli, które będą mogły uczyć się na podstawie wielkoskalowych danych EEG i danych tekstowych, zachowując jednocześnie wydajność obliczeniową i nadając się do praktycznego zastosowania. Grupa ta będzie szczególnie istotna dla kandydatów zainteresowanych skalowalnym uczeniem maszynowym, architekturami multimodalnymi, uczeniem uwzględniającym prywatność, wydajnym uczeniem i wnioskowaniem w czasie niemal rzeczywistym.
Grupa Matematycznych Podstaw AI (MFAI) dostarczy rygorystyczne narzędzia matematyczne dla wiarygodnej sztucznej inteligencji. Grupa będzie pracować nad selekcją cech, redukcją wymiarowości, kwantyfikacją niepewności, predykcją konformalną, predykcją probabilistyczną i optymalnym transportem. Metody te zostaną opracowane specjalnie dla małych, heterogenicznych i wielowymiarowych zbiorów danych biomedycznych, w których standardowe modele sztucznej inteligencji (AI) często napotykają trudności. Kluczowym celem jest wyjście poza prognozy punktowe i opracowanie systemów, które będą w stanie szacować niepewność i kwantyfikować ryzyko błędnych decyzji.
Zakres obowiązków
Osoba zatrudniona na stanowisku doktoranta będzie odpowiedzialna za prowadzenie badań i przygotowywanie publikacji w zakresie prac naukowych prowadzonych w grupie badawczej Matematycznych Podstaw AI (selekcja cech, redukcja wymiarowości, kwantyfikacja niepewności, predykcja probabilistyczna i metody optymalnego transportu).
Warunki przystąpienia do konkursu:
Spełnienie wymagań określonych w art. 113 ustawy Prawo o szkolnictwie wyższym i nauce (Dz.U. 2024, poz. 1571 t.j.)
Stopień magistra na kierunku uczenie maszynowe.
Słowa kluczowe
bioinformatyka
biostatystyka
uczenie maszynowe
data science
Ключові слова / Навички