Passa al contingut principal

Master Student - Computational Biology Group (R0) per el Barcelona Supercomputing Center

The Computational Biology group, led by ICREA professor Alfonso Valencia, is looking for a Master's student to work on a protein coevolution project, and more specifically, on the identification of species-specific protein interactions in bacteria using phylogenetics and coevolution. The project will involve the analysis and interpretation of differences in diverse bacteria protein-protein interaction (PPI) networks., to detect functional differences in specific metabolic pathways for an ultimately better understanding of different species of bacteria and their role in the ecosystem.

The successful candidate will join a dynamic research group within the Life Sciences department, which integrates independent senior scientists that work on various aspects of computational biology, ranging from bioinformatics for genomics and proteomics to computational biochemistry and text mining. The Researcher will work in a highly sophisticated HPC environment, have access to systems and computational infrastructures, and establish collaborations with experts in different areas.

Key Duties

  • Test and develop protocols to fine-tune and apply pLMs for studying relevant biological problems involving proteins.
  • Perform sequence and structural-based analyses of proteins.
  • Collaborate in the preparation and presentation of research projects.
  • Participate in internal group meetings and other scientific discussions.

Data de tancament: Dissabte, 16 Desembre, 2023

Més informació

Més posts de Recerca

Comentaris

Entrades populars d'aquest blog

Cursos gratuïts sobre IA a Harvard

Cursos de la Universitat de Harvard des de la plataforma edX Introducción a la ciencia de computación . Introducción a la programación CS50 usando Scratch . Introducción a la inteligencia artificial en CS50 usando Python . Uso de React Native para el desarrollo de aplicaciones móviles . Programación web usando Python y JavaScript. Introducción al desarrollo en el desarrollo de juegos . Introducción al curso CS50 sobre programación con Python . Curso sobre CS50 para entender la tecnología . Introducción a la ciencia de datos con Python . Introducción a la ciencia de computación para empresas. Machine Learning. Inteligencia artificial en las empresas: creación de valor mediante el aprendizaje automático. Més posts de Formació

Oferta pública 27/02/2024

  Ajuntament de la Riba 1 plaça de Secretari interventor Ajuntament de Sabadell 1 plaça de Tècnic mitjà d'enginyeria industrial (esp. electricitat) Ajuntament de Sabadell 2 places de Tècnic mitjà enginyer Ajuntament del Prat de Llobregat - Aigües del Prat, SA 1 plaça de Director gerent Ajuntament d'Olot 1 plaça d'Enginyer tècnic Barcelona Supercomputing Center-Centro Nacional de Supercomputación (BSC-CNS) 1 plaça de Research Engineer - Use of acoustic information in chatbots (RE1) Barcelona Supercomputing Center-Centro Nacional de Supercomputación (BSC-CNS) 1 plaça de Post-doc in Machine Learning for Biomedical Multi-Omic Data Analysis in Precision Medicine (R2) Barcelona Supercomputing Center-Centro Nacional de Supercomputación (BSC-CNS) 1 plaça de Software randomisation compiler - Master Student (R0) Comaigua, SL 1 plaça de Responsable d'Oficina Tècnica Consorci Hospitalari de Vic 1 plaça de Tècnic Biomèdic - Big Data Empresa de Transformación Agraria, SA, SME, MP (TR

Curs d'Analítica de dades i Machine Learning (Online) Eurecat Academy

El curs d’Analítica de dades i Machine Learning ofereix una introducció a les tecnologies i metodologies per a l’extracció d’informació en grans conjunts de dades, tant ja existents com de les recollides en temps d’execució. A més, també aporta la metodologia per millorar els coneixements tècnics en Data Mining. Programa del curs 1. Introducció al Big Data. 2. Instal·lació i configuració de Python i R. 3. Introducció a Python y R. 4. Fonaments d’Estadística enfocada a BigData. 5. Observational Study / Exploratory Analysis: utilització de l’agregació de dades i la mineria de dades per proporcionar informació sobre el passat: 6. Anàlisi de Dades: Utilització de models estadístics i tècniques de pronòstic per comprendre el futur. 7. Machine Learning Comprensió dels principals tipus d’aprenentatge automàtic. Supervised Learning – Aprenentatge Supervisat. Unsupervised Learning – Aprenentatge No Supervisat. Inici: 04/03/2024 Més informació Més posts de Formació