|
ΑΠΑΙΤΟΥΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ ή ON/OFF |
|
Πτυχίο Σχολής Θετικών Επιστημών της ημεδαπής ή ισότιμος τίτλος της αλλοδαπής αναγνωρισμένος από το ΔΟΑΤΑΠ |
ON/OFF |
|
Μεταπτυχιακός Τίτλος Σπουδών Μηχανικού Πολυτεχνικής Σχολής της ημεδαπής ή ισότιμος τίτλος της αλλοδαπής αναγνωρισμένος από το ΔΟΑΤΑΠ |
ON/OFF |
|
Εμπειρία στο χώρο της αναλυτικής δεδομένων |
ON/OFF |
|
Γνώση γλωσσών προγραμματισμού: Python, Fortran |
ON/OFF |
|
ΣΥΝΕΚΤΙΜΩΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ |
|
Γνώση ξένης γλώσσας: κατά προτίμηση η Αγγλική |
10 Μονάδες: Καλή Γνώση 30 Μονάδες: Πολύ Καλή Γνώση 50 Μονάδες: Άριστη Γνώση |
|
ΣΥΝΕΝΤΕΥΞΗ |
|
|
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 50 μονάδες: (α) έως 35 μονάδες, (β) έως 15 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.
