ΑΠΑΙΤΟΥΜΕΝΑ ΠΡΟΣΟΝΤΑ

ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ ή  ON/OFF

Βεβαίωση Γραμματείας οικείου Τμήματος ότι o 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 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 της αγγλικής γλώσσας: επίπεδο γλωσσομάθειας C2 (κρίνεται με βάση τα αντίγραφα αποδεικτικών/πτυχίων από αναγνωρισμένους φορείς)

ON/OFF

Προγραμματιστικές γνώσεις σε γλώσσες προγραμματισμού, Python, C/C++, Java

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  (ελάχιστη αποδεκτή βαθμολογία: 10/20), (μέγιστη βαθμολογία: 20 Μονάδες)

ΣΥΝΕΚΤΙΜΩΜΕΝΑ ΠΡΟΣΟΝΤΑ

ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ

Βαθμός συνάφειας βασικού τίτλου σπουδών με τη θέση

(βαθμολογία 1-10) Χ 2 Μονάδες, (μέγιστή βαθμολογία: 20 Μονάδες)

Γνώσεις στα επιστημονικά πεδία της Τεχνητής Νοημοσύνης, Μηχανικής Μάθησης, Ενισχυτικής Μάθησης και Ευφυών Πρακτόρων

(μήνες εκπαίδευσης) Χ 2 Μονάδες (μέγιστη βαθμολογία: 15 Μονάδες)

Γνώσεις χρήσης/προγραμματισμού σε περιβάλλοντα προσομοίωσης κίνησης οχημάτων, όπως το περιβάλλον SUMO (Simulated for Urban Mobility)

(μήνες εκπαίδευσης) Χ 2 Μονάδες (μέγιστη βαθμολογία: 20 Μονάδες)

Εμπειρία σε προγραμματιστικά περιβάλλοντα και βιβλιοθήκες της γλώσσας προγραμματισμού Python, όπως PyTorch, Tensorflow και sklearn, για την ανάπτυξη λογισμικού σε προβλήματα ανάλυσης δεδομένων.

(μήνες εκπαίδευσης) Χ 2 Μονάδες (μέγιστη βαθμολογία: 10 Μονάδες)