Već dvanaest godina zaredom ovim programom svake se godine stipendiraju uspješne mlade znanstvenice koje su u završnoj fazi pripreme doktorske disertacije iz područja prirodnih znanosti.

Maria Brbić doktorandica je Hrvatske zaklade za znanost (HrZZ) na Zavodu za elektroniku, u Laboratoriju za strojno učenje i reprezentacije znanja te je upisana kao doktorski student na Fakultetu elektrotehnike i računarstva (FER). Svoj doktorat priprema u sklopu EU FP7 projekta Maestra te dva HrZZ projekta: “Algoritmi strojnog učenja za otkrivanje znanja u složenim strukturama podataka (HRZZ-9623)” te “Strukturne dekompozicije empirijskih podataka za računalno potpomognutu dijagnostiku bolesti” (IP-2016- 06-5235).

Glavni cilj istraživanja u sklopu njezinog doktorskog rada obuhvaća razvoj metoda za učenje reprezentacija podataka iz više heterogenih pogleda te primjena razvijenih metoda u području biologije. Mnogi realni podaci prikupljeni su iz različitih domena i mogu biti opisani s više reprezentacija ili pogleda, a uspjeh algoritma strojnog učenja uvelike ovisi upravo o reprezentaciji podataka.

U sklopu ovog istraživanja razvijen je računalni sustav ProTraits za automatsko predviđanje bakterijskih fenotipova iz javno dostupnih tekstova i genomskih podataka, a uz generiranje novih predikcija, sustav također omogućava definiranje novih fenotipskih koncepata koristeći algoritme nenadziranog strojnog učenja. Važna primjena razvijenog sustava je u otkrivanju gen-fenotip asocijacija tj. pronalasku gena koji su statistički asocirani s fenotipovima.

Pod mentorstvom dr. sc. Frana Supeka objavljena su dva znanstvena rada u Q1 časopisima, a jedan od tih radova objavljen je u prestižnom časopisu Nucleic Acids Research (gornjih 5% u podučju Biokemije i Molekularne biologije) te je za taj rad nagrađena godišnjom nagradom „Branimir Jernej“ za najbolji znanstveni rad iz područja biologije, biomedicine ili neuroznanosti. Također, rezultati tog istraživanja prezentirani su 2017. na jednoj od najznačajnijih konferencija iz računalne biologije ISMB/ECCB te na najvećoj europskoj konferenciji iz strojnog učenja ECML/PKDD.

U sklopu doktorata također su predloženi novi algoritmi učenja reprezentacije podataka iz više pogleda pod mentorstvom dr. sc. Ivice Koprive. Pokazana je uspješnost razvijenih algoritama u grupiranju slika, dokumenata te genomskih podataka, a rad je objavljen u uglednom časopisu Pattern Recognition (gornjih 11% u području Računarske znanosti, Umjetne Inteligencije).

Grupiranje podataka iz jednog ili više pogleda jedan je od temeljnih problema u računalnim znanostima unutar područja poznatog kao nenadzirano učenje. Rješenja tog problema su, među ostalim, od praktične važnosti u suvremenoj medicini gdje se različitim dijagnostičkim postupcima prikupljaju vrlo heterogeni skupovi podataka. Metode grupiranja podataka iz više pogleda pridružuju dijagnozu prikupljenim podacima što je omogućeno učenjem reprezentacije iz prikupljenih podataka temeljem čega se provodi grupiranje.

Originalan znanstveni doprinos razvijene metode je u formulaciji optimizacijskog problema za učenje reprezentacije uz strukturna ograničenja niskog ranga i rijetkosti. Time se uči reprezentacija koja sadrži informacije o globalnom (nizak rang) i lokalnom (rijetkost) karakteru prikupljenih podataka.