Software and Knowledge Engineering Laboratory (SKEL)

Έως 20/04: Μία (1) θέση εξωτερικού συνεργάτη για το έργο datACRON

Tο Εργαστήριο Τεχνολογίας Γνώσεων & Λογισμικού (SKEL) του Ινστιτούτου Πληροφορικής & Τηλεπικοινωνιών του ΕΚΕΦΕ «Δημόκριτος», στο πλαίσιο υλοποίησης του ερευνητικού προγράμματος «datACRON – Big Data Analytics for Time Critical Mobility Forecasting» (E-11952)– Grant Agreement 687591, προσκαλεί τους ενδιαφερόμενους να υποβάλλουν προτάσεις για σύναψη σύμβασης ανάθεσης έργου, για μία (1) θέση εξωτερικού επιστημονικού συνεργάτη, διάρκειας οκτώ (8) μηνών, με τα προσόντα, όπως προσδιορίζονται παρακάτω:

Deadline to apply or register: 
Fri, 20/04/2018

Έως 22/04: Μία (1) θέση εξωτερικού συνεργάτη για το έργο 'Mηχανική Μάθηση'

Το Ινστιτούτο Πληροφορικής & Τηλεπικοινωνιών (ΙΠ&Τ) του ΕΚΕΦΕ «Δημόκριτος», που εδρεύει στην Αγία Παρασκευή Αττικής, δυνάμει του άρθρου 93 του Ν. 4310/2014 όπως τροποποιήθηκε και ισχύει με την παράγραφο 1, άρθρο 24 του Ν. 4386/2016 και του άρθρου 64 του Ν.

Deadline to apply or register: 
Sun, 22/04/2018

Έως 22/04: Μία (1) θέση συνεργάτη για το έργο 'ΑΠΟΛΛΩΝΙΣ'

Προκήρυξη για την πλήρωση μίας (1) θέσης έκτακτου προσωπικού στο πλαίσιο της Πράξης με τίτλο «ΑΠOΛΛΩΝΙΣ: Εθνική Υποδομή για τις Ψηφιακές Ανθρωπιστικές Τέχνες και Επιστήμες και για την Γλωσσική Έρευνα και Καινοτομία» (Ε-12189) με κωδικό ΟΠΣ (MIS) 5002738 στο Ινστιτούτο Πληροφορικής και Τηλεπικοινωνιών (ΙΠ&Τ) του ΕΚΕΦΕ «Δημόκριτος».

Deadline to apply or register: 
Sun, 22/04/2018

Βαθιά μάθηση για την ομαδοποίηση καιρικών δεδομένων

Ο καιρός είναι ένα πολύπλοκο, μη-γραμμικό σύστημα που είναι δύσκολο να αναλυθεί μέσω παραδοσιακών αλγορίθμων μηχανικής μάθησης. Ταυτόχρονα όμως, είναι χρήσιμος σε πληθώρα ερευνητικών και πρακτικών εφαρμογών, όπως στην αντιμετώπιση έκτακτων αναγκών, στην πρόβλεψη συμπεριφοράς κλπ. Ο προσδιορισμός αντιπροσωπευτικών τύπων καιρού βάσει αλγορίθμων βαθιάς μάθησης έχει αποδειχθεί αποτελεσματικός σε ορισμένες εφαρμογές, αλλά χρειάζεται περισσότερη εργασία για να επιτευχθεί μια πιο γενική και παραμετροποιήσιμη λύση.

Αυτή η εργασία θα μελετήσει την εφαρμογή τεχνικών βαθιάς μάθησης για την ομαδοποίηση καιρικών δεδομένων, βασιζόμενη σε προηγούμενες εργασίες που έχουν διεξαχθεί στο ΕΚΕΦΕ «Δημόκριτος». Θα υποδείξει και θα υλοποιήσει νέες προσεγγίσεις στο πρόβλημα λαμβάνοντας υπόψη τη γεωγραφική θέση καθώς και τα χρονικά χαρακτηριστικά του καιρού. Θα υλοποιήσει πρωτότυπα μοντέλα και θα τεκμηριώσει την αποτελεσματικότητά τους χρησιμοποιώντας καιρικά δεδομένα μεγάλης κλίμακας.

Σημασιολογική βαθιά μάθηση (2 εργασίες)

Η βαθιά μάθηση (deep learning) είναι μια μεθοδολογία μηχανικής μάθησης (machine learning) που επικεντρώνεται στην ανάπτυξη βαθιών νευρωνικών δικτύων. Τα νευρωνικά δίκτυα έχουν αποδειχθεί τόσο αποτελεσματικά όσο και ευέλικτα, σε τομείς όπως η ταξινόμηση, η ομαδοποίηση, η παραγωγή συνθετικών αλλά αληθοφανών δεδομένων, κ.α. Συνεπώς, μπορούν να θεωρηθούν ολοκληρωμένα ως προς τη δυνατότητα ανάπτυξης μεγάλης γκάμας εφαρμογών. Παρά τη χρησιμότητά τους όμως, έχουν μια σειρά από ελαττώματα όπως είναι η δυσκολία κατανόησης και τεκμηρίωσης του τρόπου λειτουργίας τους, η δυσκολία εκμάθησής τους που απαιτεί χρονοβόρα και επαναληπτική εργασία, κλπ. Η υλοποίηση νευρωνικών λύσεων θα μπορούσε να γίνει πιο αποτελεσματική αν υπήρχαν υπηρεσίες που να επέτρεπαν σε χρήστες τη μελέτη άλλων αλγορίθμων και μοντέλων. Αυτό μπορεί να επιτευχθεί μόνο στη βάση μιας κοινής γλώσσας ικανής να περιγράψει σχετικούς αλγορίθμους βαθιάς μάθησης με αρκετή λεπτομέρεια. Χρειάζονται επίσης εργαλεία για την αυτοματοποίηση της διαδικασίας εξαγωγής γνώσης και την καθοδήγηση του τελικού χρήστη.

Έργασία 1: θα κάνει χρήση οντολογιών και σχετικών τεχνολογιών διαχείρισης δεδομένων για να περιγράψει σύνθετους αλγορίθμους βαθιάς μάθησης. Επιπλέον, θα δημιουργήσει μια βάση γνώσεων (knowledge-base) όπως και πρωτότυπο λογισμικό για την εξαγωγή γνώσης από νέους και διαθέσιμους αλγόριθμους ανοικτού κώδικα.

Έργασία 2: θα δημιουργήσει μία εφαρμογή Web που θα μπορούν να συμβουλεύονται χρήστες που αναπτύσσουν αλγόριθμους βαθιάς μάθησης. Η πρωτότυπη εφαρμογή θα επιτρέπει την αποθήκευση νέων αλγορίθμων βαθιάς μάθησης βάσει κατάλληλης οντολογίας, και θα είναι σε θέση να παράσχει απαντήσεις σε σχετικά ερωτήματα χρηστών.

Επεξεργασία μεγάλων δεδομένων παντού

Η ανάλυση και επεξεργασία δεδομένων μεγάλης κλίμακας συχνά απαιτεί την χρήση συνδυασμού απομακρυσμένων και τοπικών πλατφορμών, υπηρεσιών και υποδομών νέφους (cloud computing). Κάποια από αυτά διαχειρίζονται και παρέχουν δεδομένα, ενώ άλλα μπορεί να προορίζονται για επεξεργασία παρτίδων ή ροών δεδομένων (batch/stream processing). Η μεταφορά δεδομένων μεταξύ τους και η υποβολή εργασιών σε αυτά πραγματοποιείται συχνά με το χέρι ή με εξειδικευμένα εργαλεία ροής εργασίας. Και οι δύο προσεγγίσεις απαιτούν σημαντική γνώση της εσωτερικής λειτουργίας των εμπλεκόμενων υποδομών από τον τελικό χρήστη.

Η εργασία αυτή θα διερευνήσει λύσεις με βάση τον τυπικό τρόπο οργάνωσης αρχείων και φακέλων που υλοποιείται από κάθε λειτουργικό σύστημα, προφέροντας μία ενιαία εικόνα σε τοπικές και απομακρυσμένες ετερογενείς υποδομές. Η εφαρμογή που θα αναπτυχθεί θα επιτρέπει στους χρήστες της να δημιουργούν, να ελέγχουν τοπικά, να εκτελούν και να παρακολουθούν εξ αποστάσεως Hadoop και άλλα είδη εργασιών μέσω φαινομενικά τοπικών αρχείων και φακέλων.

Named Entity Recognition and new metrics for big economic data

During the last five years, there is a growing number of initiatives for publishing detailed economic data such as business information (e.g. https://opencorporates.com/), public procurement (e.g. http://platform.yourdatastories.eu/ and https://opentender.eu/).
These initiatives aim to increase the accountability in the context of “follow public money” projects and, at the same time, create opportunities for business intelligence solutions.
The project is focused on two aspects: (1) name entity recognition of the contracting parts in public procurement around the world using Natural Language Processing and Computational Linguistics, Semantic Web and Linked Open Data and Business Registries and Corporate Databases and (2) new metrics for supporting business intelligence solutions such risk factors for public procurement and business survival rate.
Particularly, in the area of NLP, research efforts are focused on addressing data heterogeneities such as misspelling errors and name or acronym mismatches, on the lexical, syntactic and semantic level. These methodologies and practices can be applied to solve general problems and usually follow a traditional approach of text normalization, lexical analysis, post-tagging word according to a grammar and semantic analysis to filter or provide some kind of service such as information extraction, reporting, sentiment analysis or opinion mining. In this context, a series of services (most in the form of an API) such as NLTK for Python, Lingpipe, OpenNLP or Gate for Java, WEKA, the Apache Lucene and Solr search engines have been created in order to serve the creation of natural-language based applications.
Entity reconciliation techniques to uniquely identify resources is also investigated in the field of Semantic Web and Linked Open Data. Specifically, an entity reconciliation process can be briefly defined as the method for looking and mapping two different concepts or entities under a certain threshold. These techniques have been applied to the field of linking entities in the LOD realm, for instance using the DBpedia.
According to the Global Open Data Index* and the Open Company Data Index** only few countries are providing their business registries as high quality open data. But even in the cases where corporate information such as name of company, address, unique identifier of the company, the owner, capital, approved and registration dates are publicly available by the official government, re-using this valuable information can be tedious due to various reasons such as different content, formats and updating process.

*http://index.okfn.org/place/
**http://registries.opencorporates.com/

Έως 30/03: Mία (1) θέση συνεργάτη για το έργο 'BigMedilytics'

Προκήρυξη για την πλήρωση μίας (1) θέσης μεταδιδακτορικού συνεργάτη, με σύμβαση εργασίας ορισμένου χρόνου διάρκειας δώδεκα (12) μηνών, με δυνατότητα επέκτασης έως τη λήξη του έργου, στο πλαίσιο υλοποίησης του ερευνητικού προγράμματος / έργου με τίτλο «BigMedilytics – Big Data for Medical Analytics» (Ε-12205) – European Commission [(HORIZON 2020) PHILIPS ELECTRONICS NEDERLAND B.V.] – Grant Agreement No 780495.

Deadline to apply or register: 
Fri, 30/03/2018

Έως 30/03: Τρεις (3) θέσεις εξωτερικών συνεργατών για το έργο BigMedilytics

Tο Εργαστήριο Τεχνολογίας Γνώσεων & Λογισμικού (SKEL) του Ινστιτούτου Πληροφορικής & Τηλεπικοινωνιών του ΕΚΕΦΕ «Δημόκριτος», στο πλαίσιο υλοποίησης του ερευνητικού προγράμματος με τίτλο «BigMedilytics – Big Data for Medical Analytics» (E-12205) – Grant Agreement No 780495, προσκαλεί τους ενδιαφερόμενους να υποβάλλουν πρoτάσεις για σύναψη συμβάσεων ανάθεσης έργου, για τρεις (3) θέσεις εξωτερικών επιστημονικών συνεργατών, διάρκειας δώδεκα (12) μηνών με δυνατότητα παράτασης, με τα προσόντα όπως προσδιορίζονται παρακάτω:

Deadline to apply or register: 
Fri, 30/03/2018

Έως 30/03: Δύο (2) θέσεις εξωτερικών συνεργατών για το έργο DARE

Tο Εργαστήριο Τεχνολογίας Γνώσεων & Λογισμικού (SKEL) του Ινστιτούτου Πληροφορικής & Τηλεπικοινωνιών του ΕΚΕΦΕ «Δημόκριτος», στο πλαίσιο υλοποίησης του ερευνητικού προγράμματος με τίτλο «DARE: Delivering Agile Research Excellence on European e-Infrastructures» (E-12191) – Grant Agreement No 777413, προσκαλεί τους ενδιαφερόμενους να υποβάλλουν πρoτάσεις για σύναψη συμβάσεων ανάθεσης έργου, για δύο (2) θέσεις εξωτερικών επιστημονικών συνεργατών, διάρκειας δώδεκα (12) μηνών με δυνατότητα παράτασης, με τα προσόντα όπως προσδιορίζονται παρακάτω:

Deadline to apply or register: 
Fri, 30/03/2018
Syndicate content

© 2018 - Institute of Informatics and Telecommunications | National Centre for Scientific Research "Demokritos"