ΑΠΑΙΤΟΥΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ ή ON/OFF |
Υποψήφιος Διδάκτορας Τμήματος Μηχανικών Η/Υ και Πληροφορικής ή συναφούς Τμήματος. Απαιτείται βεβαίωση από τη γραμματεία του Τμήματος. |
ON/OFF |
Δίπλωμα Μηχανικού Η/Υ και Πληροφορικής ή Πτυχίο Τμήματος Πληροφορικής ή αντίστοιχος τίτλος σπουδών ημεδαπής/αλλοδαπής (κρίνεται με βάση τα αντίγραφα τίτλων σπουδών που υποβάλλονται, για τίτλους σπουδών της αλλοδαπής απαιτείται και αναγνώριση ισοτιμίας ΔΟΑΤΑΠ) |
ON/OFF |
Πιστοποιητικό γνώσεων αγγλικής γλώσσας Β2 ή ανώτερο. Κρίνεται με βάση τα αντίγραφα αποδεικτικών/πτυχίων από αναγνωρισμένους φορείς |
ON/OFF |
ΣΥΝΕΚΤΙΜΩΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ |
Γνώση ή εμπειρία σε μεθόδους βαθιάς μάθησης (deep learning) |
Αριθμός μηνών εκπαίδευσης ή εμπειρίας x 1,5 μονάδες (μέγιστη βαθμολογία 18 μονάδες) |
Γνώση ή εμπειρία σε μεθόδους ομαδοποίησης (clustering) |
Αριθμός μηνών εκπαίδευσης ή εμπειρίας x 1,5 μονάδες (μέγιστη βαθμολογία 18 μονάδες) |
Επιστημονικές δημοσιεύσεις (σε διεθνή επιστημονικά περιοδικά ή συνέδρια) σε μεθόδους ομαδοποίησης (clustering) |
Αριθμός δημοσιεύσεων x 20 μονάδες (μέγιστη βαθμολογία 40 μονάδες) |
Εμπειρία συμμετοχής σε ερευνητικά προγράμματα συναφή με το αντικείμενο του έργου |
Αριθμός μηνών x 2 μονάδες (μέγιστη βαθμολογία 24 μονάδες) |
- Counterfactuals Explanations for Traditional and Deep Clustering: state-of-the art on counterfactual explanations, definition and computation of counterfactual explanations for traditional and deep clustering (συμμετοχή στα παραδοτέα D1 και D2).
- Dissemination and Communication: Project Webpage and LinkedIn account development, Poster/video on the interim research results (συμμετοχή στα παραδοτέα D7 και D8).