ΑΠΑΙΤΟΥΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ |
Πτυχίο Πληροφορικής ή Μηχανικού Πολυτεχνικής Σχολής της ημεδαπής ή ισότιμος τίτλος της αλλοδαπής αναγνωρισμένος από το ΔΟΑΤΑΠ |
Βαθμός πτυχίου*10 |
Μεταπτυχιακός τίτλος σπουδών στην Βιοπληροφορική ή Ιατρική Πληροφορική. |
ON/OFF |
Διδακτορικό δίπλωμα σπουδών σε πολυδιάστατα υπολογιστικά μοντέλα για την πρόγνωση, διάγνωση και θεραπεία του καρκίνου |
ON/OFF |
Αποδεδειγμένη εμπειρία σε υλοποίηση συναφών εθνικών και κοινοτικών ή/και ευρωπαϊκών συγχρηματοδοτούμενων προγραμμάτων πληροφορικής. |
Έτη x 50 με max 250 |
Αποδεδειγμένη εμπειρία σε υλοποίηση εθνικών ή/και ευρωπαϊκών προγραμμάτων βιοϊατρικής τεχνολογίας σχετικά με υπολογιστικές πλατφόρμες ενδιάμεσου λογισμικού και ανάλυσης μεγάλου όγκου γενετικών δεδομένων. |
150 |
Γνώσεις προγραμματισμού σε PYTHON, R, MATLAB |
ON/OFF |
Εμπειρία σε υλοποίηση ευρωπαϊκών προγραμμάτων βιοϊατρικής μηχανικής-τεχνολογίας και βιοτεχνολογίας σχετικά με την ευφυή ανάλυση, βάσει τεχνικών μηχανικής μάθησης / αναγνώρισης προτύπων, πολύ-παραμετρικών και ετερογενών δεδομένων. |
ON/OFF |
ΣΥΝΕΚΤΙΜΩΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ |
Γνώση ξένης γλώσσας: κατά προτίμηση η Αγγλική |
50 ΚΑΛΗ ΓΝΩΣΗ, 100 ΠΟΛΥ |
Δημοσιεύσεις σε διεθνή επιστημονικά περιοδικά |
Δημοσιεύσεις x 10 με max 50 |
Δημοσιεύσεις σε διεθνή επιστημονικά συνέδρια |
Δημοσιεύσεις x 10 με max 100 |
Συνέντευξη |
|
Α.1 Θεματική ενότητα: Κατανόηση των απαιτήσεων της θέσης, των στόχων του έργου, ικανότητα λήψης αποφάσεων και επινόησης εναλλακτικών λύσεων που αφορούν την υλοποίηση του έργου. |
Μη Γνώστης - 0 Εισαγωγικές Γνώσεις – 10 Ενδιάμεσο επίπεδο - 20 Ικανός – 30 |
Β.1 Θεματική ενότητα: Οργανωτικές ικανότητες, επικοινωνιακές ικανότητες και ικανότητα εργασίας σε ομάδα |
Μη Γνώστης – 0 Εισαγωγικές Γνώσεις – 10 Ενδιάμεσο επίπεδο - 20 Ικανός – 30 |
Συμμετοχή στα πακέτα εργασίας ΠΕ2 και ΠΕ3 με αντικείμενο «Βιοπληροφορική ανάλυση “omics” δεδομένων».