BI Machine Learning BI/26_016_ConvergeAI_EPMQ

Requisitos

DE ADMISSÃO: Os candidatos deverão possuir, à data de candidatura o grau de Licenciado na área solicitada no edital ou área afim.

À data da respetiva contratação, os candidatos deverão comprovar a inscrição (emitida pelos Serviços Académicos da Instituição de Ensino Superior) no Mestrado na área solicitada no edital ou área afim ou a inscrição em Curso Não Conferente de Grau.

Perfil dos destinatários:

a) Requisitos Obrigatórios:

• Ter conhecimentos em tecnologias de processamento e análise de dados;
• Conhecimentos de linguagens de programação para análise de dados (e.g., R, Python);
• Experiência em tecnologias de Inteligência Artificial e ML;
• Experiência em tecnologias de deployment de soluções (ex.: Docker, MLFlow, FastAPI, entre outras).

b) Fatores Preferenciais:

• Experiência em projetos de I&D na área de ML;
• Conhecimentos em tecnologias de Inteligência Artificial Generativa (ex.: LLMs).

PLANO DE ATIVIDADES: Os candidatos integrarão o projeto ao longo de todas as atividades do mesmo, incluindo etapas de exploração, implementação e comparação de algoritmos de ML e LLMs.

Neste projeto os candidatos deverão, principalmente: 1) fazer uso do conhecimento das linguagens de programação para o processamento e análise de dados, implementação dos algoritmos e deployment da solução; 2) estar presente nas etapas de desenvolvimento, experimentação e testes às diversas componentes da solução a desenvolver; 3) trabalhar de forma colaborativa e dinâmica para atingir os objetivos intermédios que forem sendo propostos; 4) interagir e colaborar com outros parceiros do projeto (ex.: Salvador Caetano); e 5) contribuir na escrita de documentos técnicos e artigos científicos.

LEGISLAÇÃO APLICÁVEL: A atribuição da bolsa tem por base o Estatuto do Bolseiro de Investigação Científica, aprovado pela Lei n.º 40/2004 de 18 de agosto e o Regulamento de Bolsas de Investigação da Fundação para a Ciência e a Tecnologia, I.P. em vigor, sendo este o adotado pelo CCG/ZGDV.

LOCAL DE TRABALHO: O trabalho será desenvolvido no Instituto CCG/ZGDV, Sede em Guimarães, sob a orientação científica do Professor Paulo Cortez e do Professor Pedro Pereira.

DURAÇÃO DAS BOLSAS: A bolsa terá a duração de 12 meses, com início previsto em setembro de 2026.

O contrato de bolsa poderá ser renovado até ao término do projeto afeto.

VALOR DO SUBSÍDIO DE MANUTENÇÃO MENSAL: O montante da bolsa será de 1090,98€ conforme tabela de valores das bolsas atribuídas diretamente pela FCT, I.P. no País (Tabela-de-Valores-SMM-2026).

FORMALIZAÇÃO DAS CANDIDATURAS: os candidatos deverão apresentar as candidaturas mediante uma carta de admissão mencionando as suas motivações, acompanhada de Curriculum Vitae detalhado, cópia do Certificado de Habilitações com discriminação das classificações obtidas às disciplinas efetuadas e cópia do documento de identificação.

Todos os documentos terão, obrigatoriamente, que ser enviados em formato pdf.

MÉTODOS DE SELEÇÃO: A avaliação das candidaturas incidirá sobre o Mérito do Candidato (MC), de acordo com os seguintes critérios e subcritérios e correspondentes ponderações, numa escala de 0 a 20 valores:

A.

Avaliação Curricular, com a ponderação de 40%:

A1.

Média final do curso, com uma ponderação de 60%.

A2.

Relevância da área de formação no plano de trabalho (de acordo com a Tabela 1), com uma ponderação de 30%.

A3.

Carta de motivação e/ou cartas de recomendação, com uma ponderação de 10%.

B.

Conhecimentos consolidados em Engenharia do Conhecimento, Análise e Tratamento de Dados, com a ponderação de 50%:

B1.

Ter conhecimentos em tecnologias de processamento e análise de dados, com ponderação de 35%.

B2.

Conhecimentos de linguagens de programação para análise de dados (e.g., R, Python), com ponderação de 25%;

B3.

Experiência em tecnologias de Inteligência Artificial e Machine Learning, com ponderação de 25%.

B4.

Experiência em tecnologias de deployment de soluções (ex.: Docker, MLFlow, FastAPI, entre outras), com ponderação de 15%.

C.

Conhecimentos preferenciais na execução de projetos I&D na área de Machine Learning e conhecimentos em IA Generativa, particularmente LLMs, com ponderação de 10%.

C1.

Experiência em projetos de I&D na área de Machine Learning, com ponderação de 50%.

C2.

Conhecimentos em tecnologias de Inteligência Artificial Generativa (ex.: LLMs), com ponderação de 50%.

De acordo com a seguinte fórmula:

MC = (A*0,4) + (B*0,5) + (C*0,1)

em que:

A = (A1*0,6) + (A2*0,3) + (A3*0,1)

e

B = (B1*0,35) + (B2*0,25) + (B3*0,25) + (B4*0,15)

e

C=(C1*0.5) + (C2*0.5)

O júri poderá recorrer à realização de entrevistas de seleção dos três (3) candidatos com melhor classificação.

No caso de o júri proceder à realização de entrevistas, os métodos de seleção alteram, passando a ser os seguintes:

A.

Avaliação Curricular, com a ponderação de 40%:

A1.

Média final do curso, com uma ponderação de 60%.

A2.

Relevância da área de formação no plano de trabalho (de acordo com a Tabela 1), com uma ponderação de 30%.

A3.

Carta de motivação e/ou cartas de recomendação, com uma ponderação de 10%.

B.

Conhecimentos consolidados em Engenharia do Conhecimento, Análise e Tratamento de Dados, com a ponderação de 40%:

B1.

Ter conhecimentos em tecnologias de processamento e análise de dados, com ponderação de 35%.

B2.

Conhecimentos de linguagens de programação para análise de dados (e.g., R, Python), com ponderação de 25%;

B3.

Experiência em tecnologias de Inteligência Artificial e Machine Learning, com ponderação de 25%.

B4.

Experiência em tecnologias de deployment de soluções (ex.: Docker, MLFlow, FastAPI, entre outras), com ponderação de 15%.

C.

Conhecimentos preferenciais na execução de projetos I&D na área de Machine Learning e conhecimentos em IA Generativa, particularmente LLMs, com ponderação de 10%.

C1.

Experiência em projetos de I&D na área de Machine Learning, com ponderação de 50%.

C2.

Conhecimentos em tecnologias de Inteligência Artificial Generativa (ex.: LLMs), com ponderação de 50%.

D.

Entrevista com a ponderação de 10%:

D1.

Competências

Interpessoais, com a ponderação de 30%.

D2.

Conhecimentos demonstrados na área do projeto, com a ponderação de 30%.

D3.

Motivação com a ponderação de 30%.

D4.

Competências

Linguísticas, com a ponderação de 10%.

De acordo com a seguinte fórmula:

MC = (A*0,4) + (B*0,4) + (C*0,1) + (D*0,1)

em que:

A = (A1*0,6) + (A2*0,3) + (A3*0,1)

e

B = (B1*0,35) + (B2*0,25) + (B3*0,25) + (B4*0,15)

e

C=(C1*0.5) + (C2*0.5)

e

D = (D1*0,3) + (D2*0,3) + (D3*0,3) + (D4*0,1)

Referência para a pontuação do Subcritério A2, relevância da área de formação:

Área de Licenciatura - Valoração

Engenharia e Gestão de Sistemas de Informação - 20

Engenharia Informática - 20

Áreas afins - 12

Áreas não afins - 0

COMPOSIÇÃO DO JÚRI DE SELEÇÃO:

Presidente do Júri: Paulo Cortez

Vogais Efetivos: Pedro Pereira e Rui Ribeiro

Vogais Suplentes: Luís Matos e Nuno Soares

FORMA DE PUBLICITAÇÃO/NOTIFICAÇÃO DOS RESULTADOS: os candidatos serão notificados individualmente por email sobre os resultados finais da avaliação.

PRAZO DE CANDIDATURA E FORMA DE APRESENTAÇÃO DAS CANDIDATURAS: As candidaturas deverão ser enviadas por correio eletrónico, estando o concurso aberto no período de 03/08/2026 a 14/08/2026, indicando a referência BI/26_016_ ConvergeAI_EPMQ.

PRAZO E PROCEDIMENTO DE RECLAMAÇÃO: no caso de resultado desfavorável, os candidatos têm um prazo de 10 dias úteis para se pronunciarem, de acordo o artigo 12.º do Regulamento de Bolsas de Investigação da FCT, I.

P., n.º 950/2019, de 16 de dezembro de 2019.