SAISis avaldust esitades tuleb valida projekt, millele soovitakse kandideerida. Kandideerida saab ainult ühele projektile. Kandidaatidel tuleb koostada lühike motivatsioonikiri (eesti või inglise keeles, maksimaalselt 6000 tähemärki koos tühikutega), tuginedes järgmistele punktidele:

1.     Miks teid huvitab see doktoriprojekt, selgitage oma valikut.
2.     Millised on teie varasemad kogemused selles valdkonnas? Selgitage, kuidas teie haridus- ja ametialane taust on seotud projektiga, kuhu kandideerite.
3.     Millised on analüütilised/teaduslikud meetodid, mida te valdate?
4.     Kirjeldage lühidalt oma magistritöö meetodeid ja peamisi tulemusi.
5.     Esitage oma varasemad uurimistegevused, sealhulgas teaduspublikatsioonid ja konverentsiettekanded, kui need on olemas.

Motivatsioonikirja puhul hinnatakse:

•     kandidaadi motivatsiooni ja oskuste argumenteerimist ning projekti valiku põhjendust
•     asjakohast õppe- ja töökogemust ning teisi asjakohaseid tegevusi (artiklid, projektijuhtimine jne), nagu on nõutud motivatsioonikirja esitamisel.

Intervjuu

Kandidaat peab komisjoni poolt läbi viidud sisseastumisvestluse käigus kirjeldama doktoriprojekti laiemat teaduslikku tausta ja tulemuste võimalikku rakendatavust ning oma motivatsiooni asuda doktoriõppesse valitud projektiga. Intervjuule kutsutakse kandidaadid, kelle motivatsioonikirja on hinnatud positiivselt (vähemalt 35 punkti 50st).

Intervjuu käigus hinnatakse:

•     teadmisi projekti laiemast teaduslikust taustast ja oodatavate tulemuste võimalikust rakendamisest
•     kandidaadi motivatsiooni jätkata doktoriõpinguid vastavas teadusvaldkonnas ja sellel alal töötada
•     laiemaid analüüsi- ja üldistamisoskusi õpingutes ja uurimisteemadel.

Intervjuud ja motivatsioonikirja hinnatakse 50-punkti skaalal, minimaalne positiivne tulemus mõlema vastuvõtutingimuse eest on 35 punkti. Kokku on võimalik saada maksimaalselt 100 punkti. Vastuvõtutingimused täidab üliõpilaskandidaat, kelle kummagi vastuvõtutingimuse hindamise tulemus on vähemalt 70 protsenti võimalikust punktide hulgast. Vastuvõtt toimub paremusjärjestuse alusel.

Juhendajad: Radwa Mohamed El Emam El Shawi, Stefania Tomasiello

AutoML tööriistad on loodud automaatselt leidma parimaid masinõppe mudeleid konkreetseteks ülesanneteks. Siiski jääb neil sageli puudu võimekusest integreerida valdkonnaspetsiifilist teadmist ja pakkuda selgitusi nende otsuste kohta. LLM-ide integreerimine AutoML-i võib pakkuda paremat semantilist arusaamist, võimaldades kasutajatel suhelda oma ekspertiisi ja eelistustega loomulikus keeles. See ühinemine omab potentsiaali luua võimsamaid ja kasutajasõbralikumaid AutoML tööriistu, mis sillutavad tee tehniliste ekspertide ja masinõppe algajate vahel, soodustades paremat koostööd ja teadmiste vahetust masinõppe lahenduste väljatöötamisel. Doktoritöö eesmärk on tutvustada lähenemisviise, kuidas ühendada klassikaliste masinõppe tehnikate skalpeeritavust ja vastupidavust suurte keelemudelite (LLM-ide) sisaldava ulatusliku valdkonnateabega. See võimaldab inimene-loops interpreteeritavat AutoML-i

Juhendajad:Amnir Hadachi, Abdelaziz Bensrhair (INSA de Rouen),Paul Honeine (University of Rouen)

Viimastel aastakümnetel oleme olnud tunnistajaks tehisintellekti kiirele arengule, mis põhineb sügaval õppimisel (DL). Lisaks on DL-i otsustusmehhanism nii ebaselge, et testimine on ainus viis selle kontrollimiseks. Seega on protsess koolitusest kuni mis tahes mudeli testimiseni arvutuslikult nõudlik. Järelikult muutuvad DL-võrgud oma suure süsinikujalajälje tõttu probleemiks sobivuse pärast. Sellest vaatenurgast on rohelist õpet (GL) esitatud kui võimalikku lahendust nende probleemide lahendamiseks. Seega on Ph.D. Teema keskendub GL-i paradigma võimaluste uurimisele ja sellele, kuidas seda kasutada mudelite arhitektuuride ümbermõtestamisel ja ümberkujundamisel, et vähendada süvaõppel põhinevate arvutinägemisalgoritmide süsiniku jalajälge.

Juhendajad: Mart Loog, Ilona Faustova

Fosforüleerimine on üks levinuim valkude post-translatsiooniline modifikatsioon, mille kaudu on reguleeritud valdav osa rakulisi protsesse. Rakkude jagunemine peab olema koordineeritud nii rakuväliste kui ka -siseste tingimustega, kusjuures selle protsessi olulised regulaatorid on kinaasid. Kinaasid toimivad rakus kui protsessorid, mis loevad mingit signaali ja kannavad selle vastavalt edasi tervele reale valkudele. Planeeritav doktoritöö keskendub kolmele rakutsükliga seotud kinaasile – Mps1, Cdc7 ja Pho85 – eesmärgiga vastata küsimusele, mida, kuidas ja miks need kinaasid erinevatel rakutsükli etappidel fosforüleerivad. Neid kinaase on põhjalikult uuritud geneetiliste meetoditega, kuid meil puudub arusaamine nende substraatide dünaamilisest fosforüleerimisest. Mps1 on kinaas, mis rakutsükli G1-faasis on vajalik tsentrosoomide duplikatsiooniks ja mitoosis kontrollib kromosoomide biorientatsiooni. Kinaasi Mps1 on uuritud geneetilisel tasandil ja on leitud mitmed mutatsioonid, mis põhjustavad erinevaid defekte Mps1 funktsioonides. Projekti teiseks eesmärgiks on leida, milliste molekulaarsete mehhanismide kaudu erinevad Mps1 mutantid vastavaid fenotüüpe põhjustavad. Teiseks uuritakse kinaasi Cdc7, mis koos kinaasiga Cdk1 on vajalik replikatsiooni alustamiseks S-faasis. Projekti eesmärgiks on kirjeldada Cdc7 ja Cdk1 substraate ja fosforüleerimissaite, analüüsides nende kahe kinaasi koostööd. Kolmandaks uuritakse tsükliinide mõju tsükliinist sõltuva kinaasi Pho85 substraatide valikule. Nii Pho85, Mps1 kui ka Cdc7 on kõrgelt konserveerunud kinaasid, võimaldades pärmi baasil saadud tulemusi rakendada inimese vastavate kinaaside uurimisel. Kuna need kolm kinaasi reguleerivad rakutsükli keskseid protsesse, on muutused nende aktiivsuses sageli seotud kasvajate tekkega. Seetõttu võivad teadmised nende kinaaside substraatide äratundmismehhanismidest osutuda kasulikuks vähirakkude inhibiitorite disainimisel.

Eriala esindajate kontaktid: Tanel Tenson, tanel.tenson@ut.ee, 737 4844