El CIMA (Centro de Investigación en Matemática) llama a concurso de méritos para colaborar en la construcción de modelos matemáticos
y de machine learning, como sigue.
- Auxiliar de Investigación en Dimension Reduction – Estudiante.
- Auxiliar de Investigación en Feature Selection – Estudiante.
- Auxiliar de Investigación en Feature Selection – Estudiante.
Las áreas de conocimiento requeridas, en orden de importancia, son: Matemática, Estadística, Lenguajes de Programación, Salud Pública. El contratado podrá recibir entrenamiento dentro del Proyecto, para complementar sus capacidades. Ver los respectivos términos de referencia para más detalles.
Estas posiciones forman parte del proyecto “Construcción de un modelo de incidencia de dengue aplicado a comunidades de Paraguay” (COMIDENCO, código CONACYT PINV15-706), adjudicado al CIMA en asociación multi-institucional con la Facultad Politécnica de la UNA, la Universidad Nacional de Concepción, la Universidad Nacional de Caaguazú y el Centro para el Desarrollo de la Investigación Científica.
Lugar de trabajo: NIDTEC, Facultad Politécnica UNA (Campus Universitario San Lorenzo).
Dedicación horaria: 20 hs. semanales como mínimo.
Modalidad: Contrato de 6 meses extensible. El contratado deberá emitir facturas a CIMA para el cobro de sus honorarios.
Fecha y hora límites: Viernes 13 de octubre de 2017 a las 20 hs.
Requisitos: Los interesados deben presentar Currículum Vitae en formato CVpy del Conacyt (www.conacyt.gov.py, click en recuadro CVPy) por uno de estos medios:
- Documento en papel – Entregar carta solicitud especificando el puesto que le interesa y adjuntando su CVpy, en la Secretaría del NIDTEC, Avenida Mariscal López, Campus de la UNA, de 8:00 a 15:00 horas lunes a viernes.
- Documento digital – Enviar email especificando el puesto que le interesa, adjuntando archivo PDF de su CVpy, al correo Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo., y como asunto: Auxiliar de investigación en Feature Selection (o Dimension Reduction según el caso).
Términos de Referencia anexos: