Επιτροπή Ερευνών Π.Ι.

Share
Πρόσκληση Εκδήλωσης Ενδιαφέροντος 35200/2024
27-09-2024
07-10-2024
ΛΥΚΑΣ ΑΡΙΣΤΕΙΔΗΣ
Ομαδοποίηση Βασισμένη σε Αντιγεγονότα: Εξηγησιμότητα, Δικαιοσύνη και Ποιότητα
83438

ΑΠΑΙΤΟΥΜΕΝΑ ΠΡΟΣΟΝΤΑ

ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ ή ON/OFF

Υποψήφιος Διδάκτορας Τμήματος Μηχανικών Η/Υ και Πληροφορικής ή συναφούς Τμήματος. Απαιτείται βεβαίωση από τη γραμματεία του Τμήματος.

ON/OFF

Δίπλωμα Μηχανικού Η/Υ και Πληροφορικής ή Πτυχίο Τμήματος Πληροφορικής ή αντίστοιχος τίτλος σπουδών ημεδαπής/αλλοδαπής (κρίνεται με βάση τα αντίγραφα τίτλων σπουδών που υποβάλλονται, για τίτλους σπουδών της αλλοδαπής απαιτείται και αναγνώριση ισοτιμίας ΔΟΑΤΑΠ)

ON/OFF

Πιστοποιητικό γνώσεων αγγλικής γλώσσας Β2 ή ανώτερο. Κρίνεται με βάση τα αντίγραφα αποδεικτικών/πτυχίων από αναγνωρισμένους φορείς

ON/OFF

 

ΣΥΝΕΚΤΙΜΩΜΕΝΑ ΠΡΟΣΟΝΤΑ

ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ

Γνώση ή εμπειρία σε μεθόδους βαθιάς μάθησης (deep learning)

Αριθμός μηνών εκπαίδευσης ή εμπειρίας x 1.5 μονάδα

(Μέγιστη Βαθμολογία: 18 μονάδες)

Γνώση ή εμπειρία σε μεθόδους ομαδοποίησης (clustering)

Αριθμός μηνών εκπαίδευσης ή εμπειρίας x 1.5 μονάδα

(Μέγιστη Βαθμολογία: 18 μονάδες)

Επιστημονικές δημοσιεύσεις (σε διεθνή επιστημονικά περιοδικά ή συνέδρια) σε μεθόδους ομαδοποίησης (clustering)

Αριθμός δημοσιεύσεων x 20 μονάδες (Μέγιστη Βαθμολογία: 40 μονάδες)

Εμπειρία συμμετοχής σε ερευνητικά προγράμματα συναφή με το αντικείμενο του έργου

Αριθμός μηνών εμπειρίας x 2 μονάδες

(Μέγιστη Βαθμολογία: 24 μονάδες)

  • Counterfactuals for clustering quality: state-of-the art on clustering quality indices, counterfactuals for clustering quality (συμμετοχή στα παραδοτέα D5 και D6) (WP3).
  • Dissemination and Communication: Scientific publication on counterfactual-based clsutering, Poster/video on the research results of the project, Scientific publication on counterfactual-based cluster quality indices, Open source code of the project (συμμετοχή στα παραδοτέα D9, D10, D12, D13) (WP4).
e-max.it: your social media marketing partner