Χρησιμοποιούμε cookies για να σας παρέχουμε καλύτερες υπηρεσίες. Με τη χρήση αυτού του ιστότοπου, αποδέχεστε τους όρους χρήσης και τη χρήση των cookies.

Θέσεις Υποψηφίων Διδακτόρων και Μεταδιδακτόρων Ερευνητών στην ομάδα Επιστήμης και Βελτιστοποίησης Δικτύων στον Τμήμα Πληροφορικής του Οικονομικού Πανεπιστημίου Αθηνών

Προκήρυξη:

Υπάρχουν θέσεις Υποψηφίων Διδακτόρων και Μεταδιδακτόρων Ερευνητών στην ομάδα Επιστήμης και Βελτιστοποίησης Δικτύων στον Τμήμα Πληροφορικής του Οικονομικού Πανεπιστημίου Αθηνών, υπό την επίβλεψη του Αναπληρωτή Καθηγητή Ιορδάνη Κουτσόπουλου (link http://www2.cs.aueb.gr/~jordan/). Υπάρχει δυνατότητα χρηματοδότησης μέσω ερευνητικών προγραμμάτων. Οι ενδιαφερόμενοι/ες μπορούν να εκδηλώνουν το ενδιαφέρον τους στο email jordan@aueb.gr(link sends e-mail) ή τηλέφωνο 210 82 03 933 μέχρι 28/2/2019.

Απαιτούμενα Προσόντα για τις θέσεις Υποψηφίων Διδακτόρων:
• Ηλικία: μέχρι 28 ετών.
• 1ο πτυχίο: Ηλεκτρολόγου Μηχανικού και Μηχ. Η/Υ, Μηχανολόγου Μηχανικού, Πληροφορικής, Εφαρμ. Μαθηματικών και Φυσικών Επιστημών ή άλλου συναφούς αντικειμένου.
• Βαθμός 1ου πτυχίου > 7. Μεταπτυχιακό θα συνεκτιμηθεί, αλλά δεν είναι προ-απαιτούμενο.
• Άριστη γνώση Αγγλικών και χρήση προφορικού και γραπτού λόγου.
• Άριστο υπόβαθρο σε μαθηματικά και προγραμματισμό (C/C++, Python, Java ή MATLAB). Ευελιξία στην εκμάθηση προγραμμάτων και πακέτων (Keras, Tensorflow, κ.α.)
• 1-2 Συστατικές Επιστολές (θα ζητηθούν πριν την τελική αποδοχή).

Απαιτούμενα Προσόντα για τις θέσεις Μεταδιδακτόρων Ερευνητών:
• Ηλικία: μέχρι 33 ετών.
• Διδακτορικό Ηλεκτρολόγου Μηχανικού και Μηχ. Η/Υ, ή Πληροφορικής ή Επιστήμης Υπολογιστών.
• Επιστημονικές δημοσιεύσεις σε κορυφαία επιστημονικά περιοδικά και συνέδρια (IEEE, ACM).
• Άριστη γνώση Αγγλικών στη χρήση προφορικού και γραπτού λόγου.
• 1-2 Συστατικές Επιστολές (θα ζητηθούν πριν την τελική αποδοχή).
• Επιθυμητή: προηγούμενη εμπειρία συμμετοχής Ευρωπαϊκά/Εθνικά ερευνητικά προγράμματα.

Η ομάδα Επιστήμης και Βελτιστοποίησης Δικτύων δραστηριοποιείται στην τομή της Κινητής Υπολογιστικής και της Μηχανικής Μάθησης, σε κοινωνικά δίκτυα, έξυπνα ενεργειακά συστήματα, συστήματα συστάσεων. Συνεργάζεται με Πανεπιστήμια και ερευνητικά κέντρα σε θέματα όπως:


• Machine learning methodologies for the smart energy grid
• Panoramic (360-degree) video transmission optimization
• Applications of machine/deep learning in wireless networks and drones
• Mobile edge computing and mobile edge data analytics
• Sharing economy: mathematical models and practice
• 5G wireless network architectures, tactile internet and IoT
• Performance evaluation of recommender systems
• Online and Location-based Advertising


Μοιραστείτε το:

Μεταπτυχιακά & Πτυχία σε Ελλάδα και Κύπρο