Μεταδιδακτορικοί Ερευνητές στο Τμήμα Πληροφορικής του Α.Π.Θ.

Η ερευνητική ομάδα Computer Vision Machine Learning (AIIA.CVML) https://aiia.csd.auth.gr/computer-vision-machine-learning/ του εργαστηρίου της Τεχνητής Νοημοσύνης και Ανάλυσης του Τμήματος Πληροφορικής ΑΠΘ, με επικεφαλής τον καθηγητή κο Ι. Πήτα, πρόεδρο της Διεθνούς Ακαδημίας Διδακτορικών Σπουδών στην Τεχνητή Νοημοσύνη (AIDA) https://www.i-aida.org/ ζητά νέους/νέες

Μεταδιδακτορικούς Ερευνητές
για έρευνα (κυρίως) και ανάπτυξη στην Μηχανική Μάθηση-Υπολογιστική Όραση στα ερευνητικά έργα Horizon Europe και H2020: TEMA, SIMAR, AI4Media, AI4Europe, και AerialCore.

Ερευνητικά αντικείμενα

Ανάλυση μεγάλων δεδομένων (extreme data analytics) για αντιμετώπιση φυσικών καταστροφών, πχ πυρκαϊών, πλημμυρών (ΤΕΜΑ)
Ερμηνευτική Τεχνητή Νοημοσύνη (Explainable AI) (ΤΕΜΑ)
Ανάλυση οπτικών δεδομένων πραγματικού χρόνου (ΤΕΜΑ)
Αποκεντρωμένη ανάλυση δεδομένων σε cloud/edge computing (ΤΕΜΑ)
Ευρωστία/ανθεκτικότητα νευρωνικών δικτύων σε αντιπαραθετικές επιθέσεις και θόρυβο (ΤΕΜΑ, AI4Media)
Προστασία προσωπικών δεδομένων από εργαλεία αυτοματοποιημένης ανάλυσης (AI4Media, ΤΕΜΑ)
Συνεχιζόμενη μάθηση και επανεκπαίδευση νευρωνικών δικτύων (TEMA, AI4Media)
Βαθιά μάθηση για αυτόματη παραγωγή νέου οπτικού και κινηματογραφικού υλικού (AI4Media)
Βαθιά μάθηση για αυτόματο υποτιτλισμό και περίληψη βίντεο (AI4Media)
Βαθιά μάθηση για ανθρωποκεντρική σημασιολογική ανάλυση (αναγνώριση προσώπου/κινήσεων κλπ) (AI4Media)
Ανάλυση δεδομένων κοινωνικών δικτύων, επεξεργασία φυσικής γλώσσας (NLP) (TEMA, AI4Media)
Yπολογιστική πολιτική (AI4Media)
Ανάλυση πολυτροπικών δεδομένων (εικόνες, τομογραφικές απεικονίσεις και σήματα) για ανίχνευση ελαττωμάτων σε βιομηχανικές σωληνώσεις με χρήση ρομπότ (drones) (SIMAR)
Ρομποτικό σύστημα τηλεματικής εγκατάστασης αισθητήρων ελέγχου βιομηχανικών σωληνώσεων (SIMAR)
Όραση/Ρομποτική αντίληψη (drones) για έλεγχο ηλεκτρικών γραμμών μεταφοράς (AerialCore)
Όραση/Ρομποτική αντίληψη (drones) για αλληλεπίδραση ανθρώπου - μηχανής (AerialCore)
Ανάπτυξη υλικού και εφαρμογών για την International Artificial Intelligence Doctoral Academy (AIDA) (AI4Europe).
Ανάπτυξη και διαχείριση διαδικτιακής πλατφόρμας εκπαιδευτικού υλικού (AI4Europe)
Σχετικά ερευνητικά έργα και σύνδεσμοι:

International Artificial Intelligence Doctoral Academy (AIDA) https://www.i-aida.org/
Trusted Extremely Precise Mapping and Prediction for Emergency management (TEMA), Νέο έργο (2022-2026) Horizon Europe (Συντονιστής Ι. Πήτας)
AI4Europe Νέο έργο (2022-2025) Horizon Europe
AI4Media Center of AI Excellence (2020-2024) https://www.ai4media.eu/
Safe Inspection and Maintenance with AI and Augmented Reality (SIMAR) Νέο έργο (2022-2025) Horizon Europe
AerialCore H2020 Project (2020-2024) https://aerial-core.eu/

Τι προσφέρεται:

Μεταδιδακτορική έρευνα ή έρευνα/ανάπτυξη στο Τμήμα Πληροφορικής ΑΠΘ.
Διαχείρηση ερευνητικών έργων ή/και συμμετοχή στην συγγραφή ερευνητικών προτάσεων.
Συμμετοχή στην Διεθνή Ακαδημία Διδακτορικών Σπουδών στην Τεχνητή Νοημοσύνη σαν φοιτητής/τρια (για παρακολούθηση μαθημάτων) ή διδάσκων (για διδασκαλία μαθημάτων).
Πλήρως ανταγωνιστικό πακέτο αποδοχών σε Ελλαδικό και Ευρωπαικό επίπεδο και εξασφαλισμένη διάρκεια χρηματοδότησης στο πλαίσιο επιστημονικών έργων. Οι αποδοχές εξαρτώνται από το βιογραφικό, βαθμολογία και γνώσεις του υποψηφίου.
Πρόσθετη οικονομική επιβράβευση για αξιοσημείωτες δημοσιεύσεις σε επιστημονικά συνέδρια/περιοδικά, άριστα αποτελέσματα ανάπτυξης, διαχείρισης έργων ή προσέλκυσης νέων έργων.
Δυνατότητες εξέλιξης δεξιοτήτων που σχετίζονται με επιστημονική έρευνα και ανάπτυξη λογισμικού.
Χρηματοδοτούμενη συνεργασία με πανεπιστήμια/ερευνητικά κέντρα/δημόσιους φορείς/εταιρείες εσωτερικού και εξωτερικού και σχετικά ταξίδια.
Ο υπεύθυνος καθηγητής κος Ιωάννης Πήτας έχει τους καλύτερους επιστημονικούς δείκτες (H-index, citations) στην Πληροφορική στην Ελλάδα. Είναι πρόεδρος της Διεθνούς Ακαδημίας Διδακτορικών Σπουδών στην Τεχνητή Νοημοσύνη (AIDA, με 77 εταίρους, εκ των οποίων 60 άριστα Ευρωπαικά Πανεπιστήμια), επιστημονικός υπεύθυνος 74+ ερευνητικών έργων και συντονιστής του νέου μεγάλου ερευνητικού έργου TEMA (extreme data analytics).

Προφίλ υποψηφίου

Διδακτορικό από τμήμα ΑΕΙ Πληροφορικής, ή Μηχανικών Η/Υ και Πληροφορικής, ή ΗΜΜΥ, ή συναφές. Σχετικές προπτυχιακές/μεταπτυχιακές σπουδές.
Αποδεδειγμένες γνώσεις:
ανάπτυξης λογισμικού (C++, Python),
μηχανικής/βαθιάς μάθησης ή/και τεχνητής/υπολογιστικής όρασης ή/και επεξεργασίας εικόνας/βίντεο/σήματος (πχ σχετικές δημοσιεύσεις, διδακτορικό, διπλωματική εργασία, μαθήματα).
Σχετικές επιστημονικές δημοσιεύσεις.
Επιθυμητή η πολύ καλή βαθμολογία σε όλο το φασμα σπουδών και άλλες καλές ακαδημαικές επιδόσεις.
Αιτήσεις για συνεργασία

Ο/Η ενδιαφερόμενος/η υποψήφιος/α πρέπει να αποστείλει e-mail στην ηλεκτρονική διεύθυνση pitas@csd.auth.gr, μέχρι 15/10/2022, με συνημμένα τα εξής:

βιογραφικό σημείωμα,
αντίγραφο αναλυτικής βαθμολογίας σε όλο το φασμα σπουδών.

Για όλες τις θέσεις θα ακολουθηθούν οι προβλεπόμενες διαδικασίες του ΑΠΘ.