Staff Scientist

Pracownia Neuroinformatyki Instytutu Biologii Doświadczalnej PAN
https://neuroinflab.wordpress.com/
poszukuje pracownika na stanowisko badawczo-techniczne do wykonywania analiz danych behawioralnych oraz obrazowych oraz rozwoju oprogramowania (Data Scientist / Staff Scientist / Scientific Programmer / Research Assistant).

W ostatnich latach opracowane przez nas metody analizy danych, w tym behawioralnych i obrazowych (analiza kształtu kolców dendrytycznych), cieszą się coraz większym zainteresowaniem naszych kolegów z różnych zespołów w Instytucie Nenckiego i poza nim (patrz załączona lista publikacji). Szukamy osoby zainteresowanej rozwijaniem metod i narzędzi, oraz wykonywaniem takich analiz, z myślą o długofalowej współpracy. Osoba zatrudniona na tym stanowisku będzie miała możliwość normalnego rozwoju naukowego (doktorat, habilitacja, itd.), będzie też brała normalny udział w życiu naukowym Pracowni – seminariach, konferencjach, szkołach, itd.

Osoby zainteresowane prosimy o kontakt. Nasze oczekiwania:
– znaczące doświadczenie programistyczne, preferowany Python
– pożądana znajomość i doświadczenie uczenia maszynowego, statystyki, analizy szeregów czasowych, obrazów, itp., w przypadku jej braku edukacja pozwalająca na opanowanie i implementację niezbędnych algorytmów
– gotowość podjęcia pracy na etat, preferowany cały etat
– znajomość języka angielskiego na poziomie umożliwiającym komunikację

W zgłoszeniu proszę załączyć
– list motywacyjny
– życiorys
– oczekiwania finansowe
– kody programów rozwiązujących poniższe zadania (im więcej tym lepiej)
– krótki raport podsumowujący wykonane analizy

Zgłoszenia będziemy przeglądać od 10 lipca 2017. Nabór będzie prowadzony do czasu wypełnienia pozycji. Zgłoszenia bez żadnego rozwiązania nie będą rozpatrywane.

Zgłoszenia lub ewentualne pytania proszę przesyłać na adres d wojcik at nencki gov pl

Zadania

  1. In the images folder you can find jpg files which are photographs of a mouse in a three-chambered cage taken once per second. Write a program which automatically locates the mouse on each frame and returns the time spent in each of three compartments.Notes:
    • Make sure your program would work for white mice.
    • Your program does not have to find the boundaries of the compartments, you can provide it as an extra input.
  2. A group of mice lives in a house with four rooms (1, 2, 3, 4). Mice are identified by their numbers (e.g. ‘0065-0136670531’). The whole experiment lasts 3 days, and is divided into six 12-hour long phases (named PHASE 1 dark, PHASE 1 light, PHASE 2 dark, … PHASE 3 light). In the script example.py you can find a stub of a data analysis program, showing how to load and access the data.Write a program which:
    • calculates how much time each of the mice spent in each of the rooms in each experimental phase,
    • calculates how much time each *pair* of mice spent together (in the same room) in each experimental phase,
    • saves the results to an easily readable text or CSV file.
  3. In the imgdata folder there are CSV files containing experimental data. Each file contains results of analysis of one brain image. The files
    start like this:Animal number,912
    Age,23
    Picture number,1
    No,Size,Intensity
    1,2.046348,172.567250
    2,2.160691,220.771969
    3,2.146303,268.172057In the header you can find the ID of the animal (Animal number),  age of the animal in weeks, and consecutive number of the picture for that animal. Below there is a list of cells identified at this image. Each cell is characterized by its size and intensity. The hypothesis is that the average size and intensity correlate with the age of the animal.Write a program to verify this hypothesis. The output of the program should be plots of size and intensity (average of all cells from each animal separately) as functions of age.Note: do not assume any specific number of animals / pictures in the imgdata folder. You may assume these number are < 10000.

Data and scripts are available here

.

Lista publikacji wykorzystujących metody opracowane w Pracowni Neuroinformatyki z tematyki, do której poszukujemy pracownika

1. A. Kiryk, G. Mochol, R. K. Filipkowski, M. Wawrzyniak, V. Lioudyno, E. Knapska, T. Gorkiewicz, M. Balcerzyk, S. Łęski, F. Van Leuven, H.-P. Lipp, D. K. Wójcik, L. Kaczmarek: Cognitive abilities of Alzheimer’s disease transgenic mice are modulated by social context and circadian rhythm, Current Alzheimer Research 8 (2011), 883–892
2. E. Knapska, V. Lioudyno, A. Kiryk, M. Mikosz, T. Gorkiewicz, P. Michaluk, M. Gawlak, M. Chaturvedi, G. Mochol, M. Balcerzyk, D. K. Wójcik, G. M. Wilczyński, L. Kaczmarek: Reward learning requires activity of matrix metalloproteinase-9 in the central amygdala, Journal of Neuroscience 33 (2013), 14591–14600
3. A. Puścian, S. Łęski, T. Górkiewicz, K. Meyza, H.-P. Lipp, E. A. Knapska: A novel automated behavioral test battery assessing cognitive rigidity in two genetic mouse models of autism, Frontiers in Behavioral Neuroscience 8:140 (2014)
4. M. Jasińska, J. Miłek, I. A. Cymerman, S. Łęski, L. Kaczmarek, M. Dziembowska: miR-132 regulates dendritic spine structure by direct targeting of matrix metalloproteinase 9 mRNA, Molecular Neurobiology (2015), doi:10.1007/s12035-015-9383-z
5. Z. Mijakowska, K. Łukasiewicz, M. Ziółkowska, M. Lipiński, A. Trąbczyńska, Z. Matuszek, S. Łęski, K. Radwanska: Autophosphorylation of alpha isoform of calcium/calmodulin dependent kinase II regulates alcohol addiction-related behaviors, Addiction Biology (2015), doi:10.1111/adb.12327
6. I. Kondratiuk, S. Łęski, M. Urbańska, J. Jaworski, P. Biecek, H. Devijver, B. Lechat, F. Van Leuven, L. Kaczmarek, T. Jaworski: GSK-3β and MMP-9 cooperate in control of dendritic spine morphology, Molecular Neurobiology (2016), doi:10.1007/s12035-015-9625-0

vBulletin tracker