Επιτροπή Ερευνών Π.Ι.

Share
Πρόσκληση Εκδήλωσης Ενδιαφέροντος 56099/2023
02-11-2023
13-11-2023
ΛΥΚΑΣ ΑΡΙΣΤΕΙΔΗΣ
Ομαδοποίηση Βασισμένη σε Αντιγεγονότα: Εξηγησιμότητα, Δικαιοσύνη και Ποιότητα
83438

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).
e-max.it: your social media marketing partner