<div dir="ltr"><div class="gmail_quote">Prezados(as), encontra-se aberto até o dia 10/08/2018 as inscrições para o provimento de 01 (uma) vaga de Professor Adjunto A com lotação no Departamento de Estatística da UFPB (DE - UFPB), área de conhecimento APRENDIZAGEM DE MÁQUINA E MÉTODOS COMPUTACIONAIS EM ESTATÍSTICA. O regime de trabalho é de Dedicação Exclusiva (DE). As provas ocorrerão entre os dias 24 e 28 de setembro de 2018. O EDITAL e DATAS IMPORTANTES DO CONCURSO estão disponíveis no arquivo PDF em anexo. O DE-UFPB conta com uma excelente infra-estrutura física (laboratórios e ambientes de professores), um corpo docente de 26 professores (a maioria doutores) e ambiente profissional agradável e motivador. Nosso curso de Bacharelado em Estatística obteve conceito 4 (INEP) e 4 estrelas no Guia do Estudante e nossos alunos tem conseguido posição de destaque em programas de Mestrado e Doutorado. Uma nova estrutura física contendo novos laboratórios e novos ambientes está sendo entregue ao DE-UFPB até o final de junho. Um programa de pós-graduação em Estatística é uma meta a curto-médio prazo e por isso estamos a procura de pessoas com perfil acadêmico e de pesquisa que venham a somar a este grupo. No entanto, atualmente, os professores do DE-UFPB compõem a Linha de Pesquisa de Modelagem Probabilística no Programa de Pós-graduação em Modelagem Matemática e Computacional (PPGMMC) da UFPB, o que possibilita ao(à) candidato(a) aprovado(a) um ambiente de pesquisa com ótimas possibilidades de parcerias acadêmicas na área do concurso. Ademais, João Pessoa é uma cidade maravilhosa, conhecida por sua qualidade de vida e baixo custo quando comparada a outras capitais do Nordeste. Um local excelente para viver, constituir família e trabalhar. A proximidade com Recife e Natal torna possível também parcerias com outros professores destes centros. Os pontos do concurso e as referências bibliográficas encontram-se ao final da mensagem. Outras informações, entrar em contato com o Chefe do Depto de Estatística - Prof.Francisco Elmiro (<a href="mailto:fco.elmiro@gmail.com" target="_blank">prof.elmiro.de@gmail.com</a>) ou através do telefone (83)3216-7785. -------------------------------------------- Eufrásio de Andrade Lima Neto (PhD) Department of Statistics Federal University of Paraiba +55 83 3216 7075 (ext. 205) <a href="http://www.de.ufpb.br/~eufrasio" rel="noreferrer" target="_blank">www.de.ufpb.br/~eufrasio</a> --------------------------------------------- Pontos do Concurso 1. Redes Neurais: Redes Perceptron de Múltiplas Camadas e Algoritmo Backpropagation; 2. Redes Neurais: Redes Recorrentes, Redes Convolucionais e Mapas Auto-Organizáveis; 3. Aprendizagem Supervisionada: Métodos de Classificação de Padrões; 4. Aprendizagem Não-Supervisionada: Métodos de Agrupamento; 5. Métodos de Avaliação e Seleção de Modelos; 6. Maquinas de Vetor de Suporte (SVM); 7. Bagging, Boosting, Bumping; 8. Métodos Kernel para classificação de padrões; 9. Meta-Heurísticas: Algoritmos Evolutivos, Simulated Annealing e Inteligencia Swarm; 10. Simulação Estocástica: MCMC, Metropolis-Hastings e Algoritmo de Gibbs. Referências Bibliográficas 1. Redes Neurais: Princípios e Prática, Haykin, Simon, 2ª ed., Bookman, 2007. 2. The Elements of Statistical Learning: Data Mining, Inference and Prediction, Hastie, T., Tibshirani, R. and Friedman, J., 2nd ed., Springer-Verlag, 2009. 3. An Introduction to Statistical Learning: With Applications in R, James, G., Witten, D., Hastie, T. and Tibshirani, R., Springer-Verlag, 2013. 4. Artificial Intelligence: A Modern Approach, Russell, S. and Norvig, P., 3rd ed., Pearson, 2016. 5. Pattern Recognition and Machine Learning, Bishop, Christopher, Springer, 2006. 6. Pattern Classification, Duda, R., Hart, P. and Stork, D., 2nd ed., Wiley Interscience, 2000. 7. An Introduction to Support Vector Machines and Other Kernel-based Learning Methods, Cristianini, N. and‎ Shawe-Taylor, J., Cambridge University Press, 2000. 8. Kernel Methods and Machine Learning, Kung, S. Y., Cambridge University Press, 2014. 9. Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond, Scholkopf, B. and‎ Smola, A. J., MIT Press, 2001. 10. Kernel Methods for Pattern Analysis, Shawe-Taylor, J. and Cristianini, N., Cambridge University Press, 2004. 11. Pattern Recognition, Theodoridis, S. and‎ Koutroumbas, K., 3rd ed., Academic Press, 2006. _______________________________________________ abe mailing list <a href="mailto:abe@lists.ime.usp.br" target="_blank">abe@lists.ime.usp.br</a> <a href="https://lists.ime.usp.br/listinfo/abe" rel="noreferrer" target="_blank">https://lists.ime.usp.br/listinfo/abe</a> </div> <div> </div>-- <div class="gmail-m_2319357502662408742gmail_signature"> Eufrásio de Andrade Lima Neto (PhD) Department of Statistics Federal University of Paraiba +55 83 3216 7075 (ext. 205) <a href="http://www.de.ufpb.br/~eufrasio" target="_blank">www.de.ufpb.br/~eufrasio</a> </div> </div>