ΑΠΑΙΤΟΥΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ ή ON/OFF |
Πτυχίο Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών ή Πτυχίο Ηλεκτρολόγων Μηχανικών & Τεχνολογίας Υπολογιστών ή Μηχανικών Η/Υ & Πληροφορικής της ημεδαπής ή ισότιμος τίτλος της αλλοδαπής αναγνωρισμένος από το ΔΟΑΤΑΠ |
Βαθμός πτυχίου*10 Μονάδες |
Τίτλο Μεταπτυχιακού Επιπέδου Μηχανικού ή Μηχανικών Η/Υ & Πληροφορικής της ημεδαπής ή ισότιμος τίτλος της αλλοδαπής αναγνωρισμένος από το ΔΟΑΤΑΠ |
ON/OFF |
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, MatLab |
ON/OFF |
ΣΥΝΕΚΤΙΜΩΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ |
Γνώση ξένων γλωσσών: κατά προτίμηση η Αγγλική |
10 Μονάδες: Καλή Γνώση 30 Μονάδες: Πολύ Καλή Γνώση 50 Μονάδες: Άριστη Γνώση |
- Πακέτο εργασίας «WP5 /Task 5.3 AI-powered services for Personalised early risk detection and risk assessment».
- Πακέτο εργασίας «WP6 / Task 6.3-Big Data and Data analytics strategies for early detection and intervention».
- Πακέτο εργασίας «WP9 / Task 9.1 Dissemination & Communication activities».