ΑΠΑΙΤΟΥΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ ή ON/OFF |
Βεβαίωση Γραμματείας οικείου Τμήματος ότι υποψήφιος είναι Υποψήφιος Διδάκτορας, όπου να φαίνεται ο τίτλος της διδακτορικής διατριβής, η ημερομηνία ορισμού της τριμελούς συμβουλευτικής και η ημερομηνία κατάθεσης της τελευταίας έκθεσης προόδου. |
ON/OFF |
Δίπλωμα Μηχανικού Η/Υ και Πληροφορικής ή Πτυχίο Πληροφορικής ΠΕ[1] ή αντίστοιχος τίτλος σπουδών ημεδαπής/αλλοδαπής (κρίνεται με βάση τα αντίγραφα των τίτλων σπουδών που υποβάλλονται, για τίτλους σπουδών της αλλοδαπής απαιτείται και αναγνώριση ισοτιμίας ΔΟΑΤΑΠ) |
ON/OFF |
Πολύ καλή γνώση αγγλικής γλώσσας: επίπεδο γλωσσομάθειας C2 (κρίνεται με βάση τα αντίγραφα αποδεικτικών/πτυχίων από αναγνωρισμένους φορείς)[2] |
ON/OFF |
Μεταπτυχιακός Τίτλος Σπουδών ή/και Διδακτορικό Δίπλωμα συναφές με το αντικείμενο της υποτροφίας (κρίνεται με βάση τα αντίγραφα των τίτλων σπουδών που υποβάλλονται, για τίτλους σπουδών της αλλοδαπής απαιτείται και αναγνώριση ισοτιμίας ΔΟΑΤΑΠ) |
ON/OFF[3] |
Προγραμματιστικές γνώσεις σε γλώσσα προγραμματισμού Python |
ON/OFF |
Γνώσεις χρήσης/προγραμματισμού της βιβλιοθήκης Tensorflow |
ON/OFF |
Αρτιότητα πρότασης υλοποίησης έργου: γνώση αντικειμένου, τεχνική περιγραφή, χρονοδιάγραμμα και μεθοδολογία υλοποίησης (κρίνεται με βάση την πρόταση υλοποίησης έργου) |
βαθμολογία 1-5 ανά κριτήριο (ελάχιστος αποδεκτός συνολικός βαθμός 10, μέγιστο 20 βαθμοί) |
ΣΥΝΕΚΤΙΜΩΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ |
Βαθμός συνάφειας βασικού ή/και μεταπτυχιακού τίτλου σπουδών με τη θέση |
(βαθμολογία 1-10) x 2, (μέγιστος βαθμός 20) |
Εμπειρία σε ερευνητικά έργα ή ακαδημαϊκή εμπειρία σε αντικείμενο συναφές με το αντικείμενο της ανταποδοτικής υποτροφίας (με βάση το βιογραφικό, βεβαιώσεις προϋπηρεσίας, αντίγραφα συμβάσεων ή άλλα αποδεικτικά) |
(μήνες εμπειρίας) x 2, (μέγιστος βαθμός 30) |
Δημοσιεύσεις σε αντικείμενο συναφές με το αντικείμενο της υπό πλήρωση θέσης. |
(αριθμός δημοσιεύσεων) x 5, (μέγιστος βαθμός 20) |
[1] Αλλάζει ανάλογα με το αντικείμενο
[2] Μόνο αν κρίνεται απαραίτητο
[3] Δεν είναι απαραίτητο για κάτοχους διπλώματος που είναι αναγνωρισμένο ως integrated master.
- Το αντικείμενο της ανταποδοτικής υποτροφίας αφορά στη σχεδίαση νευρωνικών δικτύων βαθιάς μάθησης για την ανάκτηση ιατρικής εικόνας μέσω της αξιοποίησης συμπληρωματικής πληροφορίας που παρέχεται από εικόνες πολλαπλών τύπων που λαμβάνονται με διαφορετικούς τρόπους καταγραφής.
- Το αντικείμενο θα εκπονηθεί στα πλαίσια του πακέτου εργασίας ΕΕ1.4, ως μέρος των παραδοτέων Π1.4.1 και Π1.4.3.