ΑΠΑΙΤΟΥΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ ή ON/OFF |
Πτυχίο Θετικών Επιστημών της ημεδαπής ή ισότιμος τίτλος της αλλοδαπής αναγνωρισμένος από το ΔΟΑΤΑΠ |
Βαθμός πτυχίου*10 Μονάδες |
Μεταπτυχιακός τίτλος στην Επιστήμη Δεδομένων και Μηχανική Μάθηση 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 |
Γνώσεις Προγραμματισμού: Python, R, 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 |
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 |
- Πακέτο εργασίας «WP4 / Task 4.3 Gatekeeper Advanced Big Data Models and Analytics for personalized risk detection & Interventions».