Στο πλαίσιο υλοποίησης της Πράξης με τίτλο «Χρήση μεγάλου όγκου δεδομένων για τη μοντελοποίηση διαδικασιών στις λειτουργίες έξυπνων εφοδιαστικών αλυσίδων – BIG-SMART-LOG», και κωδικό MIS 5053934, η οποία έχει ενταχθεί στη Δράση Εθνικής Εμβέλειας «ΕΥΡΩΠΑΪΚΗ Ε&Τ ΣΥΝΕΡΓΑΣΙΑ – ΠΡΑΞΗ ΕΠΙΧΟΡΗΓΗΣΗΣ ΕΛΛΗΝΙΚΩΝ ΦΟΡΕΩΝ ΠΟΥ ΣΥΜΜΕΤΕΙΧΑΝ ΕΠΙΤΥΧΩΣ ΣΕ ΚΟΙΝΕΣ ΠΡΟΚΗΡΥΞΕΙΣ ΥΠΟΒΟΛΗΣ ΠΡΟΤΑΣΕΩΝ ΤΩΝ ΕΥΡΩΠΑΪΚΩΝ ΔΙΚΤΥΩΝ ERANETS 2019» του Επιχειρησιακού Προγράμματος Ανταγωνιστικότητα, Επιχειρηματικότητα και Καινοτομία (ΕΠΑνΕΚ) που χρηματοδοτείται από την ΣΑΕ1191 με κωδικό πράξης ΣΑ (ενάριθμο) 2020ΣΕ11910064 και συγχρηματοδοτείται από το Ευρωπαϊκό Ταμείο Περιφερειακής Ανάπτυξης (ΕΤΠΑ) και από Εθνικούς πόρους, το Εθνικό Κέντρο Έρευνας και Τεχνολογικής Ανάπτυξης (ΕΚΕΤΑ) / Ινστιτούτο Τεχνολογιών Πληροφορικής και Επικοινωνιών (ΙΠΤΗΛ) προτίθεται να απασχολήσει έκτακτο προσωπικό, με το οποίο θα συναφθεί σύμβαση ανάθεσης έργου και προσκαλεί φυσικά πρόσωπα να εκδηλώσουν το ενδιαφέρον τους για την ανάληψη του σχετικού έργου, σύμφωνα με τους όρους που αναφέρονται στη συνέχεια της παρούσας Πρόσκλησης.

Ειδικότητα: Ηλεκτρολόγος Μηχανικός και Μηχανικός Υπολογιστών ή συναφής ειδικότητα
Αντικείμενο: Ο απαιτητικός ανταγωνισμός της παγκόσμιας αγοράς αναγκάζει τις εταιρείες μεταφορών να αναπτύξουν έξυπνες λύσεις για την αποτελεσματικότερη διαχείριση των εργασιών της αλυσίδας εφοδιασμού. Ο στόχος του έργου είναι ο σχεδιασμός και η ανάπτυξη ενός μοντέλου επεξεργασίας δεδομένων που παράλληλα θα αυτοεκπαιδεύεται. Το μοντέλο θα αναλύει τα δεδομένα μεγάλου όγκου σε πραγματικό χρόνο, ώστε να επηρεάσει θετικά τη χρήση της υπάρχουσας υποδομής και πόρων. Επίσης, οι αλγόριθμοι μηχανικής και βαθιάς μάθησης που θα αναπτυχθούν θα παρέχουν προβλέψεις για τη μεγιστοποίηση της λειτουργικής αποτελεσματικότητας, της προστασίας του περιβάλλοντος και της ασφάλειας.
Ο υποψήφιος, που θα επιλεγεί, αναμένεται να ασχοληθεί με την υλοποίηση αναλυτικών αλγορίθμων σχετικών με την ανάλυση δεδομένων μεγάλου όγκου, που προέρχονται από τις διάφορες πηγές της εφοδιαστικής αλυσίδας. Βασικός στόχος είναι η εκτίμηση και η πρόβλεψη μελλοντικών καταστάσεων του φαινομένου (επιθυμητών ή μη). Η ανάλυση των δεδομένων και η εξαγωγή συμπερασμάτων σε πραγματικό χρόνο, η ανάπτυξη αλγορίθμων και η βελτιστοποίηση αυτών καθώς και η αξιολόγηση των αποτελεσμάτων των μεθοδολογιών που θα υλοποιηθούν, θα πραγματοποιηθούν με τη χρήση μεθόδων βελτιστοποίησης και μηχανικής μάθησης. Η υλοποίηση θα πραγματοποιηθεί με χρήση σύγχρονων προγραμματιστικών γλωσσών αντικειμενοστραφούς προγραμματισμού (π.χ. Python, C++. κλπ).

Οι προαναφερθείσες εργασίες αφορούν στην Ενότητα Εργασίας 4 (ΕΕ4) και τα αντίστοιχα παραδοτέα είναι τα Π4.1: Literature review paper και Π4.2: Evaluation Criteria and Metrics for Algorithms.

Η ορθή εκτέλεση και ο έλεγχος του παραδοτέου έργου θα πιστοποιείται με βεβαίωση παραλαβής και καλής εκτέλεσης του έργου, η οποία θα υπογράφεται από τον Επιστημονικά Υπεύθυνο του έργου.

Αριθμός Θέσεων: 1
Διάρκεια: 9 μήνες

Προθεσμία υποβολής 30/03/2020

Περισσότερες πληροφορίες στη συνημμένη προκήρυξη.