November 27, 2014
Το Ινστιτούτο Πληροφορικής και Τηλεπικοινωνιών (Ι.Π.&Τ.) του ΕΚΕΦΕ «Δημόκριτος», στο πλαίσιο υλοποίησης των ερευνητικών προγραμμάτων «Έργο υποστήριξης διεθνών συνεργασιών ΙΠ&Τ με εκπαιδευτικά και ερευνητικά ιδρύματα» (Ε-1660), «Μηχανική Μάθηση» (Ε-1513) & «Τεχνολογία γνώσεων και λογισμικού» (Ε-941), προσκαλεί τους ενδιαφερόμενους να υποβάλλουν αίτηση για τη χορήγηση υποτροφίας με στόχο την εκπόνηση διδακτορικής διατριβής, στο πλαίσιο του προγράμματος εκπαιδευτικής και ερευνητικής συνεργασίας του ΙΠ&Τ του ΕΚΕΦΕ ‘Δ’ με τα ακόλουθα Πανεπιστήμια:
Department of Computer Science and Engineering at the University of Texas at Dallas (UTD), ΗΠΑ (http://cs.utdallas.edu/)
Department of Computer Science at the University of Houston (UH), ΗΠΑ (http://www.cs.uh.edu/)
Department of Computer Science and Engineering at the University of North Texas (UNT), ΗΠΑ (http://www.cse.unt.edu)
Faculty of Computer Science at the Dalhousie University (DAL), Καναδάς (http://www.cs.dal.ca/)
Οι υποψήφιοι θα πρέπει να ικανοποιούν τόσο τα κριτήρια υποψήφιου διδάκτορα του ΕΚΕΦΕ “Δημόκριτος”, όσο και τα αντίστοιχα κριτήρια των ξένων Πανεπιστημίων. Η διδακτορική έρευνα θα εκπονείται σύμφωνα με προκαθορισμένο χρονοδιάγραμμα σε κάθε ένα από τα Ιδρύματα. Το πρόγραμμα προβλέπει παραμονή τουλάχιστον 18 μηνών στο ΕΚΕΦΕ “Δημόκριτος”.
Η εκδήλωση ενδιαφέροντος αφορά την κάλυψη τεσσάρων (4) θέσεων (1 στο UTD, 1 στο UH, 1 στο UNT, 1 στο DAL) στις ακόλουθες ερευνητικές περιοχές. Για κάθε θέση δίνονται η περιγραφή της θέσης επιλέγοντας πάνω στον τίτλο, τα Πανεπιστήμια που ενδιαφέρονται για τη θέση αυτή & ο υπεύθυνος Ερευνητής του ΙΠ&Τ για επιπλέον πληροφορίες για το αντικείμενο της κάθε θέσης. Επίσης δίνονται τα στοιχεία επικοινωνίας για τους υπεύθυνους Καθηγητές για κάθε Πανεπιστήμιο.
Θέση
UTD
UH
UNT
DAL
Εξαγωγή πληροφορίας από κειμενικά δεδομένα (Information extraction from textual data)
Β. Καρκαλέτσης (vangelis@iit.demokritos.gr)
Information Extraction is the primary means for converting unstructured information into structured information, which can be further exploited in numerous structured data processing applications. The growth in interest in tasks such as Named-Entity Recognition, Relation Extraction, Event Detection, Sentiment Analysis, Opinion Mining, Argument Mining, etc. was motivated by the birth and rapid expansion of the World Wide Web, and more recently the Social Web, which enabled people all over the world to share, comment or consult content on any topic. Being an active research area for more than three decades, nowadays Information Extraction faces new challenges posed by the exploitation of large knowledge bases such as linked open data, the phenomena brought by the Social Web both in size and content, and by the high performance and accuracy requirements needed by many real-world applications, such as marketing, eGovernance or social analysis. Especially regarding accuracy of extracted information, research has focused on exploiting big data and large corpora, and on augmenting shallow processing with deep learning.
This thesis aims to tackle a relatively new challenge in corpus-based discourse analysis, argument mining, which tries to identify arguments in texts, by locating and identifying the elements that comprise an argument such as claims, premises, support or conclusions. Argumentation, having an important role in human communication, can also play an important role in improving extraction accuracy in tasks like sentiment analysis or opinion mining, if it can be performed on user generated content, which still remains an open and understudied research topic.
X
X
X
Εξόρυξη γνώσης από κοινωνικά δίκτυα (Knowledge discovery from social networks)
Γ. Παλιούρας (paliourg@iit.demokritos.gr)
The rapidly evolving social networks provide a platform for communication, information sharing, and collaboration. Social media incorporate web technologies that mediate human communication. They take on many different forms, such as, blogs, wikis, videos and photo sharing platforms, or social bookmarking sites. Functionalities on such platforms include content file uploading, publishing, instant messaging, commenting, and recommending, to name but a few. Through such media, increasingly rich and massive heterogeneous media data has been generated by the users, such as images, videos, audios, tweets, tags, categories, titles, geolocations, comments, and viewer ratings, which offer an unprecedented opportunity to study novel theories and technologies for social media analysis and mining. Recently, more and more research efforts have been dedicated to the aforementioned challenges and opportunities. This thesis aims to introduce novel techniques, algorithms and systems regarding social media mining and knowledge discovery. Social media mining integrates social media, social network analysis, data mining and content mining to provide advances in the discovery and analysis of user communities, identification of important topics and events, personalization for solitary activities (e.g. search) and social activities (e.g. discovery of potential friends) as well as the analysis of user behavior (e.g. influence/popularity or trustworthiness of a user).
X
X
X
Αναγνώριση γεγονότων (complex event recognition)
Γ. Παλιούρας (paliourg@iit.demokritos.gr)
Today’s organizations require techniques for automated transformation of their large data volumes into operational knowledge. This requirement may be addressed by employing complex event recognition systems that detect events/activities of special significance within an organization, given streams of ‘low-level’ information, produced by various sensor types, that is very difficult to be utilized by humans. Consider, for example, the recognition of attacks on nodes of a computer network given the TCP/IP messages, the recognition of suspicious trader behavior given the transactions in a financial market, and the recognition of whale songs given a symbolic representation of whale sounds. Complex event recognition has several challenges. For example, reasoning has to scale Big Data. The lack of veracity of Big Data requires techniques that are robust to noise. Moreover, the construction of event patterns requires the use of machine learning techniques that take advantage of Big Data. In this thesis one of the main challenges of complex event recognition will be addressed. Empirical evaluation will be based on the real-world datasets (activity recognition in public spaces, city transport management, energy management in smart houses, maritime monitoring) that are available to the Complex Event Recognition lab.
X
X
Ανάλυση δεδομένων μεγάλης κλίμακας (Big data analytics)
Β.Καρκαλέτσης (vangelis@iit.demokritos.gr)
As the trend to open up data and provide them freely on the Internet intensifies, new opportunities appear to serve new data needs and applications by combining and cross-indexing large-scale heterogeneous datasets. The cloud of open data, however, is extremely heterogeneous, involving different formats and data models that are well-designed and well-tested to particular needs but do not combine well. In this thesis, the aim is to extend Semantic Web and Data Cube technologies, including establishing declarative querying and processing formalisms that can cover the various data models in active use; developing indexing algorithms that can be maintained externally to the formats used to store science and other large-scale data; and experimenting with using such indexes to efficiently retrieve, aggregate, rescale, and otherwise transform heterogeneous large-scale science data in order to build new large-scale datasets from the original data.
X
X
Αλληλεπίδραση ανθρώπου – ρομπότ (Human – robot interaction)
Β.Καρκαλέτσης (vangelis@iit.demokritos.gr)
As robots are starting to become part of our everyday life, it is increasingly important that they are able to adapt their behaviour to different social environments by learning norms as they interact with their users. Reinforcement learning and similar adaptivity
methodologies offer the necessary infrastructure, but require extensive periods of interaction that can, currently, only be achieved via simulation. In this thesis, the aim is to develop experimental methodologies for using in vivo experiments to tune and evaluate simulation runs, so that realistic long-term interactions can be reliably simulated based on real-life data points collected from short-term interactions.
X
Βιο-πληροφορική και πληροφορική υγείας (Bio-informatics and health informatics)
Γ. Παλιούρας (paliourg@iit.demokritos.gr)
Due to the advances in new molecular, genomic, and biomedical techniques and applications such as genome sequencing, protein identification, medical imaging, and patient medical records, tremendous amounts of biomedical research data are generated every day. Concerning bio-informatics, a big challenge is the handling of genome sequencing, which requires efficient and accurate computational methods for sequence analysis. The latter are inextricable for tackling one of the most important problems in computational biology: the localization and recognition of genes on DNA. Biological text mining is another research sub-field of bio-informatics, where possible applications include biological semantic indexing and/or semantic Question Answering. Concerning health informatics, the interest is mostly on data obtained at “grosser” biological levels—that is information from super-cellular systems, right up to the population level. Current challenges in this field include diagnosis and/or prognosis of specific diseases (e.g. diabetes, cancer etc.) based on medical records and other medical data. Another example is the prediction of the average length of stay of patients in the hospital, which is really useful for both resource planning and effective admission scheduling. This thesis aims to introduce methods and algorithms to address one of the above research challenges in the field of biomedical informatics.
X
UTD
Prof. Eric Wong (http://www.utdallas.edu/~ewong/)
UH
Prof. Ioannis Kakadiaris (http://cbl.uh.edu/)
UNT
Prof. Barrett Bryant (http://www.cse.unt.edu/~bryant/)
DAL
Prof. Evangelos Milios (http://web.cs.dal.ca/~eem/)
Στο διαγωνισμό δύνανται να συμμετάσχουν :
α) πτυχιούχοι ΑΕΙ Πληροφορικής ή Διπλωματούχοι Μηχανικών Η/Υ και Πληροφορικής, του εσωτερικού ή ισοτίμων του εξωτερικού, αναγνωρισμένων από το ΔΟΑΤΑΠ,
β) φοιτητές τμημάτων ΑΕΙ Πληροφορικής ή Πολυτεχνικών τμημάτων Μηχανικών Η/Υ και Πληροφορικής, που πρόκειται να ολοκληρώσουν τις σπουδές τους έως τον Ιούλιο 2015,
γ) μεταπτυχιακοί φοιτητές Πληροφορικής ή Μηχανικοί Η/Υ και Πληροφορικής, που πρόκειται να ολοκληρώσουν το μεταπτυχιακό τους έως τον Ιούλιο 2015.
Η υποτροφία είναι για ένα έτος με δυνατότητα ανανέωσης για άλλα τρία έτη.
Οι αιτήσεις συμμετοχής των υποψηφίων μαζί με μια φωτογραφία και τα απαιτούμενα δικαιολογητικά, θα υποβάλλονται έως και τις 29/12/2014 με έναν από τους παρακάτω τρόπους:
Στο Τμήμα Γραμματείας του ΕΚΕΦΕ «Δημόκριτος» (Δευτέρα έως Παρασκευή, 07:30-15:00)
Ταχυδρομικά με συστημένη επιστολή στη διεύθυνση:
ΕΚΕΦΕ «Δημόκριτος», Γραφείο Εκπαίδευσης
Πατριάρχου Γρηγορίου Ε’ και Νεαπόλεως,
Τ.Θ. 60228, 15310 Αγία Παρασκευή Αττικής
(Επιστολές οι οποίες φέρουν σφραγίδα ταχυδρομείου μετά την 29/12/2014 δεν θα γίνουν δεκτές)
Απαιτούμενα δικαιολογητικά:
Οι ενδιαφερόμενοι για συμμετοχή καλούνται να υποβάλουν μέχρι τις 29/12/2014 τα εξής:
– Αντίγραφο πτυχίου (και τυχόν μεταπτυχιακού τίτλου) ή βεβαίωση ολοκλήρωσης σπουδών.
– Αναλυτική βαθμολογία.
– Εκτεταμένη περίληψη (περίπου 5 σελίδες) στα Ελληνικά και στα Αγγλικά της πτυχιακής ή διπλωματικής τους εργασίας (προπτυχιακού επιπέδου ή σε επίπεδο μεταπτυχιακού διπλώματος ειδίκευσης). Η περίληψη πρέπει να περιλαμβάνει τους στόχους και το αντικείμενο της εργασίας, τα αποτελέσματά της και τις προοπτικές της.
– Έκθεση σκοπιμότητας μιας έως δύο σελίδων, στα Αγγλικά, όπου θα αναφέρονται τα επιστημονικά-ερευνητικά ενδιαφέροντα των υποψηφίων και οι λόγοι για τους οποίους επιθυμούν να εκπονήσουν διδακτορική διατριβή στο συγκεκριμένο διδακτορικό πρόγραμμα και στη συγκεκριμένη θεματική κατεύθυνση που έχουν δηλώσει στην αίτησή τους.
– Βιογραφικό σημείωμα στα Αγγλικά συνοδευόμενο από δύο συστατικές επιστολές ή δύο ονόματα για επικοινωνία.
Όσον αφορά τα κριτήρια των Πανεπιστημίων (βλ. σχετικές πληροφορίες στη σχετική ανακοίνωση στη σελίδα του ΙΠ&Τ http://www.iit.demokritos.gr/), οι ενδιαφερόμενοι θα πρέπει να υποβάλουν συμπληρωματικό σημείωμα με τις ενέργειες που έχουν κάνει για να ικανοποιήσουν τα κριτήρια αυτά, ιδιαίτερα όσον αφορά τις εξετάσεις για την Αγγλική γλώσσα.
Διαδικασία Επιλογής:
Οι υποψηφιότητες που θα υποβληθούν θα αξιολογηθούν από επιτροπή του Ινστιτούτου σε δύο φάσεις. Στην πρώτη φάση θα αξιολογηθούν τα δικαιολογητικά των υποψηφίων. Τα ονόματα των υποψηφίων που θα προκριθούν με βάση αυτή την αξιολόγηση θα ανακοινωθούν στις 12/1/2015. Μεταξύ αυτών των υποψηφίων θα γίνει και η τελική επιλογή για τη χορήγηση των υποτροφιών. Όσοι προκριθούν για τη δεύτερη φάση της αξιολόγησης, θα κληθούν να παρουσιάσουν προφορικά τις διπλωματικές/πτυχιακές τους εργασίες στο Ινστιτούτο στις 19/01/2015 – 23/1/2015. Μετά από την κάθε παρουσίαση θα ακολουθεί προφορική συνέντευξη.
Η εξεταστική επιτροπή λαμβάνοντας υπόψη τα τυπικά και ουσιαστικά προσόντα των υποψηφίων, το περιεχόμενο και την παρουσίαση της διπλωματικής/πτυχιακής εργασίας, καθώς και την παρουσία τους στην συνέντευξη θα καταρτίσει πίνακα βαθμολογίας των υποψηφίων. Θα επιλεγούν οι πρώτοι ανά κατεύθυνση, εφόσον συγκεντρώνουν βαθμολογία μεγαλύτερη ή ίση με 7/10.
Πληροφορίες:
– Υπεύθυνος Εκπαίδευσης του Ινστ. Πληροφορικής & Τηλεπικοινωνιών (Δρ Β. Καρκαλέτσης, τηλ: 210 650 3197, e-mail: vangelis@iit.demokritos.gr).
(Εναλλακτικά κα Χ. Αρμενιάκου & κα Δ. Κατσαμώρη, τηλ: 210 650 3204 , email:gram_skel@iit.demokritos.gr)
Η παρούσα εκδήλωση ενδιαφέροντος, καθώς και η αίτηση βρίσκονται ανηρτημένες στην ιστοσελίδα του ΕΚΕΦΕ «Δημόκριτος», στη διεύθυνση www.demokritos.gr.
Προσοχή: Σε κάθε αίτηση θα πρέπει να αναγράφεται το Ινστιτούτο, ο αριθμός του έργου (E-1660, E-1513 & E-941), ο αρμόδιος για πληροφορίες (Β. Καρκαλέτσης) και ο αριθμός πρωτοκόλλου της εκδήλωσης ενδιαφέροντος.
Deadline to apply / register: 29/12/2014