有兴趣的申请者请直接通过NUS职业门户网站申请。
只有通过NUS职业门户网站申请的申请将被处理。
我们遗憾地通知，只有入围的候选人会收到通知。
职位描述
成功的候选人将与周豆豆博士合作，开发用于分析复杂现代数据的新型统计和机器学习方法，该项目名为“分析高维和非欧几里得数据的新方法”。
该项目旨在为现实世界的医疗数据集（如电子健康记录EHR）开发严谨、可扩展和可解释的方法，这些数据集通常是高维、多源、多模态和不完整的。方法学重点领域包括强化学习、迁移学习、多模态学习、高维统计、图神经网络、变点检测。
该职位的主要职责包括：
1. 针对高维和/或多源数据进行统计推断和机器学习的原创研究；
2. 开发和实施联邦学习、生成建模和表示学习的算法；
3. 为统计、机器学习或生物医学信息学的顶级期刊和会议准备手稿；
4. 在适当时为研究生或本科生提供指导；
5. 协助资助报告和协作项目协调。
资格/学科：
- 统计学、生物统计学、计算机科学或相关定量学科的博士学位；
- 在统计理论、机器学习或计算方法方面有坚实的基础。
- 有处理现实世界生物医学或医疗数据的经验者优先。
- 有学术出版物记录者优先。
技能：
- 熟练掌握Python或R等编程语言。
- 能够设计和实现统计或机器学习算法。
- 优秀的分析和解决问题的能力。
- 良好的书面和口头沟通能力。
- 能够在多学科环境中独立和协作工作。
经验：
- 在以下至少一个领域有研究经验者优先：高维统计、强化学习、多源/模态数据、电子健康记录（EHR）数据分析或联邦学习。
- 在同行评审期刊或顶级会议上有强大的出版记录（或表现出潜力）。
- 有处理现实世界生物医学或医疗数据的经验者优先。
