Utbildning
En viktig del av eSSENCE:s uppdrag är att främja användningen av e-vetenskapliga metoder och detta sker bland annat genom en forskarskola.
Forskarskola för dataintensiv vetenskap
eSSENCE i samarbete med SciLifeLab och STandUp driver en tvärvetenskaplig forskarskola för att möta utmaningar i dataintensiv vetenskap, både utifrån ett grundläggande metodperspektiv och från ett tillämpningsperspektiv. Den är ett forum där forskare inom beräkningsvetenskap, datavetenskap och datadrivna tillämpningar arbetar tillsammans för att påskynda dataintensiva vetenskapliga upptäckter.
Forskarskolan strävar efter att skapa synergier mellan de inblandade strategiska forskningsområdena, komplettera närliggande initiativ vid universitetet och nationellt samt aktivt uppmuntrar samarbete med industri och samhälle.
Forskarskolan drivs på initiativ av eSSENCE och i samarbete med SciLifeLab och STandUp. Forskarutbildningen drivs i samarbete med SeSE.
Doktorander
Tio doktorander vid Uppsala universitet ingår i forskarskolan inom eSSENCE.
Forskarskola, Uppsala universitet. Foto: Mikael Wallerstedt
Yaqi Alexandra Deng
.JPG)
Neural Networks in Precision Health Applications and for Gene-Based Association Tests
Institutionen för immunologi, genetik och patologi
Max Kovalenko
Novel Methods for Deep Learning in Genetic Epidemiology
Institutionen för informationsteknologi
Love Nordling
Oncospace - multispectral 3D-analysis of immune cell interaction in the lung cancer microenvironment for patient specific cancer therapy
Institutionen för immunologi, genetik och patologi
Vaishnavi Divya Shridar
Towards model-based analysis in wastewater epidemiology: the specifics of antimicrobial resistance
Institutionen för informationsteknologi
Viktor Svahn
Accelerated data-intensive e-Battery research
Institutionen för kemi, strukturkemi
Elise Jonsson
SWEFE-NEXT: The Swedish Water-Energy-Food-Ecosystem Nexus and its response to hydroclimatic EXTreme events
Institutionen för geovetenskaper
Simon Barton
Bayesian Machine Learning for Astronomical Object Classification
Institutionen för fysik och astronomi
Patrick Hennig
Data-driven assessment of cell perturbations using live-cell imaging and automated microscopy
Institutionen för farmaceutisk biovetenskap
Adam Lång
Deciphering Glioblastoma Dynamics: Unveiling State Transitions through Single-cell RNA Sequencing and In Silico gene Perturbation Response
Institutionen för immunologi, genetik och patologi
Zhenlu Sun
Data-driven Vulnerability Analysis for Critical Infrastructures
Institutionen för informationsteknologi