|
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 Τμήματος Θετικών Επιστημών ή αντίστοιχος τίτλος σπουδών της ημεδαπής ή 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 Γ2 (κρίνεται με βάση τα αντίγραφα αποδεικτικών/πτυχίων από αναγνωρισμένους φορείς) |
ON/OFF |
|
Αρτιότητα πρότασης υλοποίησης έργου: γνώση αντικειμένου, τεχνική περιγραφή, χρονοδιάγραμμα και μεθοδολογία υλοποίησης (κρίνεται με βάση την πρόταση υλοποίησης έργου) |
βαθμολογία 1-5 μονάδες ανά κριτήριο (ελάχιστος αποδεκτός συνολικός βαθμός: 10 μονάδες, μέγιστη βαθμολογία: 20 μονάδες) |
|
ΣΥΝΕΚΤΙΜΩΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ |
|
Αποδεδειγμένη γνώση σε Υπολογιστική Βιολογία/Ιατρική |
(βαθμολογία 1-10) x 1 Μονάδα, (μέγιστη βαθμολογία:10 Μονάδες) |
|
Αποδεδειγμένη γνώση σε μοριακή οπτικοποίηση βιολογικών δεδομένων (πχ VMD). |
(βαθμολογία 1-10) x 1 Μονάδα, (μέγιστη βαθμολογία:10 Μονάδες) |
|
Αποδεδειγμένη γνώση (π.χ. πακέτων λογισμικού, γλωσσών προγραμματισμού κ.λπ.) και μέχρι 3 γνώσεις |
(βαθμολογία 1-10) x 3 Μονάδες, (μέγιστη βαθμολογία:30 Μονάδες) |
|
Ανακοινώσεις σε επιστημονικά συνέδρια στο αντικείμενο της Υπολογιστικής ή/και της Βιοϊατρικής Τεχνολογίας |
(αριθμός δημοσιεύσεων) x 5 μονάδες, (μέγιστη βαθμολογία 20 μονάδες) |
|
Σημ: Η γνώση τεκμηριώνεται με σχετικό πιστοποιητικό ή με σχετική πτυχιακή/διπλωματική/διδακτορική εργασία/διατριβή ή με σχετικά μαθήματα του κύκλου σπουδών (αναλυτική βαθμολογία και αν από τον τίτλο του μαθήματος δεν προκύπτει άμεσα η συσχέτιση. Η αναλυτική βαθμολογία να συνοδεύεται και από την περιγραφή του μαθήματος στον Οδηγό Σπουδών) ή με διδασκαλία σχετικών μαθημάτων (βεβαίωση φορέα ή/και σύμβαση). |
|
- Μηχανική Μάθηση για Ανάλυση Omics Δεδομένων και Ιατρική Ακριβείας.
- Το αντικείμενο θα εκπονηθεί στo πλαίσιo του πακέτου εργασίας ΠΕ1.4.