Id Perfil
3332
Perfil del Puesto
Contrato indefinido de actividades científico- técnicas. Se integrará en el proyecto Bacteriemias causadas por bacterias multirresistentes en pacientes adultos vulnerables: identificación y análisis mediante una herramienta computacional que integra datos clínicos y microbiológicos, para determinar factores susceptibles de intervenciones dirigidas a reducir la mortalidad (BactHeCom), financiado por la fundación Francisco Soria Melguizo. Específicamente se integrará en el grupo de trabajo que se encarga del desarrollo de una plataforma para la integración de datos interoperables clínicos y genómicos generados en el contexto del proyecto; así como el análisis de los datos utilizando algoritmos de machine learning. La línea de investigación es "Bacteriemias causadas por bacterias multirresistentes en pacientes adultos vulnerables: identificación y análisis mediante una herramienta computacional que integra datos clínicos y microbiológicos, para determinar factores susceptibles de intervenciones dirigidas a reducir la mortalidad (BactHeCom)"
Provincia
SEVILLA
Tipo de contrato
Indefinido actividades científico-técnicas
Financiación
Fondos Externos
Jornada completa
Si
Horas semanales
37,50
Salario
29.678,58 €
Categoría Cualificado
Titulado Superior
Titulación requerida
Titulación superior (Grado + Máster Universitario MECES 3) en Ciencias de la Salud, Bioinformática, Ciencias biomédicas, Farmacia, Ingeniería Informática o Telecomunicaciones
Id Perfil
Apoyo en el desarrollo de la base de datos, de su análisis y explotación y de la plataforma de visualización de los datos generados en el marco del proyecto MePRAM.
Extracción y formateo de los datos para el análisis
Evaluación de métodos de machine learning e Inteligencia artificial
Minería datos - caso uso sepsis. Entrenamiento de los datos, generación y evaluación de modelo
Diseño e implementación de procesos ETL entre fuentes de datos diversas (servicios web, bases de datos relacionales, CSV, etc.);
Diseño e implementación de procesos de extracción y publicación de datos basados en fenotipos desde repositorios OMOP;
Diseño e implementación de esquemas de integración de datos clínico-epidemiológicos y genómicos
Experiencia requerida
Experiencia en análisis de datos clínico-epidemiológicos usando algoritmos de machine learning (librerías Scikit-Learn, Scipy o similares)
Conocimientos en análisis de datos genómicos. Organización y limpieza de metadata asociado a la secuenciación genómica
Experiencia en implementación de procesos ETL y conocimiento del sistema OMOP y ecosistema de herramientas OHDSI; Conocimientos en principios FAIR.
Otros conocimientos
Conocimientos de herramientas para visualización de datos (plotly, d3, matplotlib, seaborn)
Conocimientos de desarrollo web (django, html, css, js)
Conocimiento de bases de datos (SQL, Apache Spark).
Programación orientada a objetos
Lenguajes de programación python y R.
Librerías deep-learning: TensorFlow o similares. (deseable)
Nivel de inglés alto