ΑΠΑΙΤΟΥΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ ή ON/OFF |
Πτυχίο/Δίπλωμα Τμήματος Μηχανικών Επιστήμης Υλικών, της ημεδαπής ή ισότιμος τίτλος της αλλοδαπής αναγνωρισμένος από το ΔΟΑΤΑΠ |
Βαθμός πτυχίου*10 |
Αποδεδειγμένη εμπειρία στην ανάλυση βιοϊατρικών δεδομένων με εφαρμογή μεθόδων και τεχνικών μηχανικής μάθησης και τεχνητής νοημοσύνης |
ON/OFF |
Αποδεδειγμένη εμπειρία σε υλοποίηση συναφών εθνικών συγχρηματοδοτούμενων και κοινοτικών προγραμμάτων |
ON/OFF |
Γνώση Γλωσσών Προγραμματισμού: Python, R, MatLab |
ON/OFF |
ΣΥΝΕΚΤΙΜΩΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ |
Γνώση ξένων γλωσσών: κατά προτίμηση η Αγγλική |
10 Καλή Γνώση 30 Πολύ Καλή Γνώση 50 Άριστη Γνώση |
ΣΥΝΕΝΤΕΥΞΗ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ |
Συνέντευξη με σκοπό να εξεταστούν (α) οι γνώσεις και δεξιότητες που δηλώνουν οι υποψήφιοι στην αίτησή τους, καθώς και (β) η διαθεσιμότητα και η ικανότητα συνεργασίας των υποψηφίων στο πλαίσιο της Ομάδας Έργου. |
Έως 15 μονάδες: (α) έως 10 μονάδες (β) έως 5 μονάδες |
EE1 Ανάπτυξη της υποδομής νέφους και των μηχανισμών διαμοιρασμού και προσπέλασης των ιατρικών δεδομένων μεγάλου όγκου.
EE2 Ανάπτυξη των υπηρεσιών ελέγχου ποιότητας, χαρτογράφησης και μετέπειτα εναρμόνισης των ιατρικών δεδομένων.
EE3 Ανάπτυξη των υπηρεσιών αναλυτικής δεδομένων.
EE4 Πιλοτική εφαρμογή.