Επιτροπή Ερευνών Π.Ι.

Share
Πρόσκληση Εκδήλωσης Ενδιαφέροντος 4849/2024
09-02-2024
19-02-2024
ΛΥΚΑΣ ΑΡΙΣΤΕΙΔΗΣ
Counterfactuals for Clustering: Explainability, Fairness and Quality
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 συσταδοποίησης (clustering)

Αριθμός μηνών εκπαίδευσης ή εμπειρίας x 5 μονάδες

(μέγιστη βαθμολογία: 40 μονάδες)

Γνώση ή εμπειρία σε μεθόδους αλγοριθμικής δικαιοσύνης (algorithmic fairness)

Αριθμός μηνών εκπαίδευσης ή εμπειρίας x 5 μονάδες

(μέγιστη βαθμολογία: 40 μονάδες)

Επιστημονικές δημοσιεύσεις (σε διεθνή επιστημονικά περιοδικά ή συνέδρια) σε αλγοριθμική δικαιοσύνη

Αριθμός δημοσιεύσεων x 10 μονάδες (μέγιστη βαθμολογία: 20 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).
e-max.it: your social media marketing partner