Geintra

Departamento de electronica Universidad de Alcala

Líneas de investigación

Accede a información sobre la estructura de la actividad investigadora de Geintra.

Trabaja con nosotros

Accede a nuestra oferta actual de becas, tesis doctorales, contratos y trabajos fin de carrera.

Contacta con el grupo

Si desea contactar con nosotros, puede usar varios medios.

    Oferta de Contrato de Investigador Postdoctoral

     1. Descripción general

    La propuesta o línea de trabajo del contrato se integrará en el proyecto de investigación coordinado “Detección semántica multisensorial de situaciones anómalas en entornos sin restricciones (HEIMDAL)”, financiado por MINECO (TIN2016-75982-C2-1-R), en el que participan la UAH y la UPM. Su objetivo fundamental se enmarca en la propuesta de trabajo planteada: comprender qué está pasando en una determinada escena, incluyendo tanto actividades como comportamientos y eventos anómalos, y usando información multimodal (vídeo y audio), tanto para espacios interiores como exteriores sin controlar (in the wild). Se trata de un nicho de aportación científica de alto impacto en el que la comunidad internacional realiza importantes esfuerzos y avances gracias a las nuevas técnicas de aprendizaje máquina (ML) basadas en redes neuronales profundas (Deep Learning) para más allá de extraer información acústica o visual de una escena, obtener información semántica, relacionada con los eventos que suceden, dando lugar al reconocimiento de la actividad humana (HAR).

    Las actividades propuestas irán en la línea del desarrollo, implementación y evaluación de algoritmos de ML, sobre todo de Deep Learning, para el análisis de escenas y el HAR:

     
    1.    Análisis de propuestas Deep Learning del estado del arte para la clasificación física y semántica a partir de información visual.
    2.    Implementación y evaluación de clasificadores de comportamiento humano (HAR), basados en las propuestas de Deep Learning supervisado.
    3.    Sintonización y reentrenamiento de los clasificadores evaluados para su adaptación a escenas de videovigilancia in the wild.
    4.    Análisis e implementación de los algoritmos de clasificación para su funcionamiento no supervisado, con objeto de evaluar su funcionalidad en el reconocimiento de comportamientos anómalos.
    5.    Colaboración en la generación de demostradores para facilitar la transferencia tecnológica del proyecto.
     
     
     



     

    2. Plan de formación

     
    El plan de formación propuesto se orienta a jóvenes con una formación de grado en ingeniería de telecomunicación, industrial o informática, e incluye las siguientes actividades:
     
    ·         Supervisión y debate semanal por parte del tutor del contratado, según se detalla en el apartado de evaluación de esta solicitud.
    ·         Integración en el grupo de trabajo del proyecto MINECO HEIMDAL, vigente en su línea de trabajo (detallado en otro apartado esta solicitud). Dirección de personal de apoyo a la investigación en el proyecto.
    ·         Integración en los grupos de discusión, que se reúnen semanalmente para establecer un debate científico (Reading Groups y Turno de Exposiciones).
    ·         Asistencia al Ciclo de Conferencias y Seminarios del Departamento de Electrónica en su Programa de Posgrado, muy relacionadas con las líneas de trabajo del contrato, descritas en esta solicitud.
    ·         Posibilidad de participar en asignaturas de las especialidades de “Robótica y Percepción” o “Tecnologías Aeroespaciales y de Defensa” de los másteres habilitantes de la EPS de la UAH. Se planificará la participación en 2 o 3 asignaturas semestrales, que podrán conllevar la obtención del título de experto en la especialidad.
     
    Con este plan de actividades, se prevé que el contratado adquiera tanto competencias específicas como transversales que contribuyan a su empleabilidad futura.
     
    En concreto, las competencias específicas son las siguientes:
     
    ·         Comprender conceptos avanzados en los que se basa el diseño de sistemas inteligentes.
    ·         Búsqueda de información técnica, principios teóricos y herramientas que fomenten su capacidad de análisis a partir de simulaciones y obtención de resultados experimentales.
    ·         Búsqueda de soluciones y mejoras a problemas de ingeniería en los campos de investigación relacionados u otros nuevos.
    ·         Comunicar conclusiones y conocimientos a públicos especializados y no especializados.
     
    Las competencias transversales incluyen el trabajo en equipo, la capacidad de organización, la motivación por la calidad y el compromiso ético.
     

    3. Requisitos y condiciones

     

    ·         El candidato deberá cumplir las condiciones especificadas en el artículo 4 de la Orden 2347/2017, de 27 de junio de la Consejería de Educación, Juventud y Deporte de la Comunidad de Madrid:
    o    Estar inscritos en el Fichero del Sistema Nacional de Garantía Juvenil en la fecha de la firma del contrato (más información en la página correspondiente).
    o    Estar empadronados en cualquier localidad de la Comunidad de Madrid en la fecha de publicación de la convocatoria en el Boletín Oficial de la Comunidad de Madrid.
    o    No estar vinculados laboralmente con la institución que les contrate en la fecha de publicación de esta convocatoria en el Boletín Oficial de la Comunidad de Madrid.
    o    Estar en posesión de la titulación exigida en la fecha de firma del contrato
    ·         La titulación requerida es de doctor en áreas relacionadas con la ingeniería de telecomunicación, industrial o informática.
    ·         El trabajo se desarrollará en las instalaciones del grupo de investigación GEINTRA (www.geintra-uah.org),
    ·         El contrato tiene una duración de un año, es de tiempo completo y la retribución bruta anual será de 26.737€.
     
    4.Solicitud
     
    • Curriculum vitae detallado, incluyendo datos personales, académicos y profesionales, y una lista de las publicaciones generadas y los proyectos en los que ha participado (en su caso).
    • Una carta personal describiendo al candidato, su formación, capacidades e intereses, y detallando la motivación y el interés específico en esta oferta en particular.
    • El listado de calificaciones de la(s) titulación(es) universitarias que haya cursado.
    • El documento de la Tesis Doctoral y, en su caso, el Trabajo Fin de Grado y/o Fin de Máster presentado en las titulaciones que haya cursado.
    • Cartas de recomendación formal (en su caso)
    • Cualquier otra documentación que considere de interés.
     
    Si tiene cualquier duda al respecto, pueden ponerse en contacto con Manuel Mazo Quintas (manuel.mazo@uah.es)

     

    Datos del proyecto financiador
    Departamento/Centro: 
    Electrónica/EPS
    Título del proyecto: 
    Detección semántica multisensorial de situaciones anómalas en entornos sin restricciones
    Empresa/Organismo público: 
    Ministerio de Economía y Competitividad
    Referencia: 
    TIN2016-75982-C2-1-R
    Tipo de proyecto financiador: 
    Proyecto
    Investigador principal: 
    Datos de la oferta de beca/contrato
    Régimen de dedicación: 
    Completa
    Número de ayudas convocadas: 
    1
    Duración: 
    1 año (comienzo en febrero-marzo)
    Importe total del contrato para el periodo a contratar: 
    26,737.00 EUR
    Requisitos y funciones
    Estudios exigidos: 
    Doctorado en áreas relacionadas con la ingeniería de telecomunicación, industrial o informática.
    Otros requisitos: 
    <p>El candidato deber&aacute; cumplir las condiciones especificadas en el art&iacute;culo 4 de la Orden 2347/2017, de 27 de junio de la Consejer&iacute;a de Educaci&oacute;n, Juventud y Deporte de la Comunidad de Madrid, entre las que se incluye el estar inscritos en el Fichero del Sistema Nacional de Garant&iacute;a Juvenil en la fecha de la firma del contrato.</p>
    Funciones y objetivos concretos a realizar: 
    <div><span style="font-size:11.0pt;">Las </span><span style="font-size:11.0pt;">actividades</span><span style="font-size:11.0pt;"> propuestas ir&aacute;n en la l&iacute;nea del desarrollo, implementaci&oacute;n y evaluaci&oacute;n de algoritmos de Machine Learning, sobre </span><span style="font-size:11.0pt;">todo</span><span style="font-size:11.0pt;"> de Deep Learning, para el an&aacute;lisis de escenas y el Human Activity Recognition: </span></div> <div>&nbsp;</div> <div style="margin-left:18.0pt;text-indent:-18.0pt;text-autospace:none"><span style="font-size:11.0pt;">1.<span style="font-variant-numeric: normal; font-stretch: normal; font-size: 7pt; line-height: normal;">&nbsp;&nbsp;&nbsp; </span></span><span style="font-size:11.0pt;">An&aacute;lisis de propuestas Deep Learning del estado del arte para la clasificaci&oacute;n f&iacute;sica y sem&aacute;ntica a partir de informaci&oacute;n visual.</span></div> <div style="margin-left:18.0pt;text-indent:-18.0pt;text-autospace:none"><span style="font-size:11.0pt;">2.<span style="font-variant-numeric: normal; font-stretch: normal; font-size: 7pt; line-height: normal;">&nbsp;&nbsp;&nbsp; </span></span><span style="font-size:11.0pt;">Implementaci&oacute;n y evaluaci&oacute;n de clasificadores de comportamiento humano (HAR), basados en las propuestas de Deep Learning supervisado. </span></div> <div style="margin-left:18.0pt;text-indent:-18.0pt;text-autospace:none"><span style="font-size:11.0pt;">3.<span style="font-variant-numeric: normal; font-stretch: normal; font-size: 7pt; line-height: normal;">&nbsp;&nbsp;&nbsp; </span></span><span style="font-size:11.0pt;">Sintonizaci&oacute;n y reentrenamiento de los clasificadores evaluados para su adaptaci&oacute;n a escenas de videovigilancia in the wild.</span></div> <div style="margin-left:18.0pt;text-indent:-18.0pt;text-autospace:none"><span style="font-size:11.0pt;">4.<span style="font-variant-numeric: normal; font-stretch: normal; font-size: 7pt; line-height: normal;">&nbsp;&nbsp;&nbsp; </span></span><span style="font-size:11.0pt;">An&aacute;lisis e implementaci&oacute;n de los algoritmos de clasificaci&oacute;n para su funcionamiento no supervisado, con objeto de evaluar su funcionalidad en el reconocimiento de comportamientos an&oacute;malos.</span></div> <p>&nbsp;</p> <div style="margin-left:18.0pt;text-indent:-18.0pt;text-autospace:none"><span style="font-size: 11pt;">5.<span style="font-variant-numeric: normal; font-stretch: normal; font-size: 7pt; line-height: normal;">&nbsp;&nbsp;&nbsp; </span></span><span style="font-size:11.0pt;">Colaboraci&oacute;n en la </span><span style="font-size: 11pt;">generaci&oacute;n de demostradores para facilitar la transferencia tecnol&oacute;gica del proyecto.</span></div> <div style="margin-left:18.0pt;text-indent:-18.0pt;text-autospace:none">&nbsp;</div>
    Solicitudes y selección de candidatos
    Documentación a presentar: 
    Currículum vitae
    Otra documentación específica de la convocatoria (especificar más abajo)
    Documentación a presentar específica de la convocatoria: 
    <ul> <li><span style="text-indent: -18pt;">Curriculum vitae detallado, incluyendo datos personales, acad&eacute;micos y profesionales, y una lista de las publicaciones generadas y los proyectos en los que ha participado (en su caso).</span></li> <li>Una carta personal describiendo al candidato, su formaci&oacute;n, capacidades e intereses, y detallando la motivaci&oacute;n y el inter&eacute;s espec&iacute;fico en esta oferta en particular.</li> <li>El listado de calificaciones de la(s) titulaci&oacute;n(es) universitarias que haya cursado.</li> <li>El documento de la Tesis Doctoral y, en su caso, el Trabajo Fin de Grado y/o Fin de M&aacute;ster presentado en las titulaciones que haya cursado.</li> <li>Cartas de recomendaci&oacute;n formal (en su caso)</li> <li>Cualquier otra documentaci&oacute;n que considere de inter&eacute;s.</li> </ul>
    Las solicitudes serán juzgadas por concurso de méritos a través de una comisión formada por miembros del Departamento de: 
    Electrónica
    Criterios de selección: 
    Expediente académico
    Experiencia investigadora en... (ver más abajo)
    Se valorará experiencia investigadora en: 
    Machine Learning, Human Activity Recognition, Deep Learning approaches, procesamiento de audio, vídeo, profundidad, proceso de señal.
    Director/supervisor de la beca/contrato: