ΑΠΑΙΤΟΥΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ ή ON/OFF |
Πτυχίο Μηχανολόγου Μηχανικού ή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Πολυτεχνικής Σχολής της ημεδαπής ή ισότιμος τίτλος της αλλοδαπής αναγνωρισμένος από το ΔΟΑΤΑΠ |
Βαθμός πτυχίου*10 |
Αποδεδειγμένη εμπειρία για την ανάλυση των βιοιατρικών δεδομένων και την ανάπτυξη αλγορίθμων μηχανικής μάθησης |
Έτη x 50 με max 100 |
Αποδεδειγμένη εμπειρία σε υλοποίηση συναφών εθνικών συγχρηματοδοτούμενων και κοινοτικών προγραμμάτων βιοϊατρικής μηχανικής-τεχνολογίας. |
Έτη x 50 με max 100 |
Γνώση γλωσσών προγραμματισμού/τεχνολογίες: C++/CLI, C++ 11, C#, Python, MATLAB, Arduino, VTK, OpenCV |
ON/OFF |
ΣΥΝΕΚΤΙΜΩΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ |
Γνώση ξένης γλώσσας: κατά προτίμηση η Αγγλική |
50 ΚΑΛΗ ΓΝΩΣΗ, 100 ΠΟΛΥ ΚΑΛΗ ΓΝΩΣΗ, 150 ΑΡΙΣΤΗ ΓΝΩΣΗ |
Ανακοινώσεις σε διεθνή και εθνικά συνέδρια, ημερίδες κλπ |
Ανακοινώσεις x 10 με max 50 |
Ανάπτυξη αλγορίθμων μηχανικής μάθησης για την αναγνώριση των φάσεων βάδισης αλλά και η εκτίμηση της ποιότητας βάδισης από δεδομένα που προέρχονται από έξυπνα πέλματα κατά τη διάρκεια της «ΕΕ4: Ανάπτυξη αλγορίθμων μηχανικής μάθησης και πιλοτικών εφαρμογών».