Referência: AE2017-0323 (INESC TEC LA - CSIG) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0323Área de trabalho: Desenvolvimento de aplicações web e mobile para suporte a investigação marinhaDescrição do Trabalho: Este trabalho visa disponibilizar a plataforma tecnológica e metodológica necessária para suportar missões de investigação marinha que recorram a um conjunto de plataformas de sensores inteligentes, bem como para explorar os resultados recolhidos. Esta plataforma tecnológica incluirá aplicações Web e móveis, que intemperam num ecossistema de global de serviços para partilha de dados e fornecimento de serviços valor acrescentado.

Referência: AE2017-0324 (SMILES-5 - CSIG) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0324 Área de trabalho: Compilação para FPGAsDescrição do Trabalho: O trabalho a ser feito está relacionado com o mapeamento em FPGAs de aplicações baseadas em streaming de dados.

Referência: AE2017-0327 (CompMash - CTM) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0327 Área de trabalho: Computação Sonora e Musical Descrição do Trabalho: O Centro de Telecomunicações e Multimédia do INESC TEC procura um investigador de pós-doutoramento para trabalhar no grupo SMC (Sound and Music Computing). O foco do trabalho é o desenvolvimento de novos métodos para recombinação de estruturas musicais simbólicas e sinais de áudio através de modelos de compatibilidade harmónica e rítmica apresentados por visualizações interativas.

Referência: AE2017-0328 (SMILES-6 - CTM) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-032 Área de trabalho: Redes sem fios Descrição do Trabalho: O trabalho do bolseiro encontra-se inserido numa linha de I&D cujo tema se relaciona com redes sem fios e envolve tecnologias nos níveis OSI 2 e 3, tendo como objetivo principal desenvolver tecnologia no âmbito da Future Internet e das redes Beyond 5G. Os aspetos científico-tecnológicos envolvidos focam-se na especificação, implementação, simulação e teste de soluções de rede.

Referência: AE2017-0329 (INESC TEC LA - HASLAB) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0329 Área de trabalho: Deteção de anomalia em sistemas críticos de rede Descrição do Trabalho: O trabalho a desenvolver durante esta bolsa insere-se no contexto do estudo e desenvolvimento de políticas de segurança e de mecanismos de proteção de infra-estruturas digitais de subestações de transformação de energia elétrica de próxima geração. Nesse sentido, pretende-se desenvolver um conjunto de técnicas de deteção de anomalia (não exclusivamente de rede), quer baseados em métodos de amostragem estatística, quer explorando técnicas de deep-learning.

Referência: AE2017-0330 (Simprove - CSIG) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0330 Área de trabalho: Informática, Computação Gráfica, Realidade Virtual Descrição do Trabalho: O projeto SIMPROVE tem como propósito fundamental elevar de forma significativa o estado da arte em matéria de simulação e treino de profissionais de saúde. É objetivo do projeto desenvolver uma nova arquitetura tecnológica para o atual sistema STI MEDICAL que suporta o funcionamento de centros de simulação e treino de equipas de profissionais de saúde, um sistema que foi desenvolvido na Holanda na primeira década do século XXI e que é hoje considerado um dos sistemas mais avançado do mundo neste domínio.

Referência: AE2017-0331 (ROMOVI - CRIIS) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0331 Área de trabalho: Robótica para agricultura de precisão Descrição do Trabalho: O projeto ROMOVI investiga e desenvolve uma solução modular de robótica terrestre para vinhas de encosta que vem resolver o problema fundamental deste tipo de vinha: devido às condições extremas (grandes inclinações do terreno), é necessária muita mão de obra, pelo que os custos de produção são muito elevados. O principal desafio técnico do projeto ROMOVI é a elevada inclinação do terreno nestas vinhas, que oculta os satélites GPS impossibilitando a sua utilização durante horas por dia.

Referência: AE2017-0332 (Water4Ever - CRIIS) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0332Área de trabalho: Automação para agricultura de precisãoDescrição do Trabalho: O projeto Water4ever visa investigar e desenvolver soluções de monitorização e apoio à decisão que permitam aumentar a eficiência no uso da água em contexto de agricultura (Olival, vinhas e pomares). Para este efeito são necessárias novas soluções de monitorização in-situ que possam alimentar os sistemas de apoio à decisão em quase tempo real e atuar de acordo com o observado.

Referência: AE2017-0333 (Hyrax - CRACS) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0333 Área de trabalho: Mobile Edge CloudsDescrição do Trabalho: Simulação em grande escala de padrões arquiteturas para mobile edge clouds e dos efeitos de diferentes padrões de mobilidade na disponibilidade de dados.

Referência: AE2017-0334 (Hyrax - CRACS) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0334 Área de trabalho: Mobile Edge Clouds Descrição do Trabalho: Estudo de cenários de emergência em que o uso de mobile edge clouds seja relevante. Desenvolvimento de um protótipo de aplicação para um destes cenários, desacoplada de infraestrutura de Internet/Cloud.

Referência: AE2017-0335 (GSL - HASLAB) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0335 Área de trabalho: Software Verde Descrição do Trabalho: Pretende-se analisar um repositório de aplicações de software estudando a qualidade dos testes no contexto de aplicações para dispositivos móveis, determinando que aplicações móveis possuem casos de teste, estudar a qualidade dos testes (via análise de cobertura) e que aplicações usam APIs que usam hardware responsável por consumo de energia (GPS, 4G...). Desenvolver um protótipo de software para automatizar este processo de análise de modo a permitir processar um grande repositório destas aplicações.

Referência: AE2017-0336 (INESC TEC LA - LIAAD) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0336 Área de trabalho: Sistemas de recomendação Descrição do Trabalho: Desenvolvimento de um sistema de recomendação para quiosques digitais interativos em rede, em ambiente comercial, usando dados transacionais, contextuais e de navegação.

Referência: AE2017-0337 (INESC TEC LA - LIAAD) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0337 Área de trabalho: Data mining / Business Intelligence / Recommender Systems Descrição do Trabalho: O trabalho a realizar consiste na investigação e desenvolvimento de algoritmos de data mining para business intelligence e/ou sistemas de recomendação/user profiling, baseados em grandes quantidades de dados provenientes da interação de utilizadores de quiosques digitais interativos.

Referência: AE2017-0338 (Simprove - CSIG) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0338 Área de trabalho: Soluções baseadas em software e hardware de e para sistemas de simulação médica Descrição do Trabalho: O bolseiro colaborará com a equipa de trabalho na especificação de um editor de cenários clínicos para jogos sérios, na criação de um sistema interativo de simulação de procedimentos médicos, e identificação de padrões de comportamento.

Referência: AE2017-0339 (NanoStima-RL3 - CRACS) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0339 Área de trabalho: Medidas de informação com base em entropias, aplicação a sinal fisiológico.Descrição do Trabalho: Estudo de várias medidas de informação (entropia). Estudar os fundamentos matemáticos (e software) para lidar com a complexidade de sinal fisiológico através da exploração dos conceitos de entropia e causalidade.

Referência: AE2017-0340 (SMILES-7 - LIAAD) https://www.inesctec.pt/seja-nosso-colaborador/bolsas-inesctec/AE2017-0340 Área de trabalho: Machine Learning/Predictive maintenance/Sensor data/Optimization/Simulation/Numerical Analysis Descrição do Trabalho: Este projeto explora novas ideias na área de extração de conhecimento a partir de dados capturados por sensores em problemas de grande escala, tendo por objetivo detetar eventos críticos ou casos extremos, visando reconhecer e integrar em processos de diagnóstico e de decisão. É um projeto que requer grande experiência científica e profissional pelos seus âmbitos de aplicação e pela sua exigência de trabalho ao nível de um PhD.

Universidade de Aveiro, 23 de novembro de 2017