|
ΑΠΑΙΤΟΥΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ ή ON/OFF |
|
Πτυχίο Τριτοβάθμιας Εκπαίδευσης στην Πληροφορική ή Μηχανικού Υπολογιστών ή ισότιμος τίτλος της αλλοδαπής αναγνωρισμένος από το ΔΟΑΤΑΠ |
ON/OFF |
|
Άριστη γνώση της Αγγλικής γλώσσας |
ON/OFF |
|
ΣΥΝΕΚΤΙΜΩΜΕΝΑ ΠΡΟΣΟΝΤΑ |
ΜΟΝΑΔΕΣ ΒΑΘΜΟΛΟΓΗΣΗΣ |
|
Αποδεδειγμένη επαγγελματική εμπειρία σχετική με το αντικείμενο του έργου |
2 μονάδες για κάθε μήνα εμπειρίας Μέγιστη βαθμολογία: 40 μονάδες |
|
Πιστοποιημένη γνώση Η/Υ (επεξεργασίας κειμένου, υπολογιστικών φύλλων, διαδικτύου) |
13 μονάδες |
|
Αποδεδειγμένη επαγγελματική εμπειρία σε έργα καινοτομίας και επιχειρηματικότητας |
1 μονάδα για κάθε μήνα εμπειρίας Μέγιστη βαθμολογία: 12 μονάδες |
|
Προσωπική Συνέντευξη |
35 Μονάδες |
|
Θεματική ενότητα συνέντευξης 1: γνώση/εμπειρία στο αντικείμενο της θέσης |
0-10 μονάδες |
|
Θεματική ενότητα συνέντευξης 2: αντίληψη της/του υποψηφίου για το ρόλο του σε σχέση με τις απαιτήσεις της θέσης |
0-10 μονάδες |
|
Θεματική ενότητα συνέντευξης 3: ικανότητα επικοινωνίας και συνεργασίας, ανάληψης ευθυνών και αποτελεσματικότητα |
0-5 μονάδες |
|
Θεματική ενότητα συνέντευξης 4: κατανόηση των οργανωτικών αναγκών υλοποίησης |
0-10 μονάδες |
- Σχεδιασμός, ανάπτυξη και παραμετροποίηση εφαρμογών πληροφορικής: αποτύπωση απαιτήσεων, υλοποίηση εργαλείων και ψηφιακών ροών εργασίας, διασύνδεση με υφιστάμενα συστήματα και βασική τεχνική υποστήριξη χρηστών.
- Ανάλυση και αξιοποίηση δεδομένων: συγκέντρωση και οργάνωση δεδομένων από πολλαπλές πηγές, δημιουργία αναφορών και dashboards, παρακολούθηση βασικών δεικτών απόδοσης (KPIs) και υποστήριξη λήψης αποφάσεων με data-driven προσεγγίσεις.
- Σχεδιασμός και υλοποίηση συστημάτων τεχνητής νοημοσύνης: εντοπισμός κατάλληλων use cases, ανάπτυξη και αξιολόγηση μοντέλων μηχανικής μάθησης (π.χ. πρόβλεψη, ταξινόμηση, συστήματα συστάσεων), ενσωμάτωση σε επιχειρησιακές διαδικασίες και παρακολούθηση της λειτουργίας τους με έμφαση σε ακρίβεια, ασφάλεια και συμμόρφωση.