Αντικείμενα έρευνας/ανάπτυξης στην Μηχανικη Μάθηση και Υπολογιστική όραση
A.Μηχανικη Μάθηση για ανάλυση και παραωγή ψηφιακών μέσων
Ανάλυση δεδομένων κοινωνικών δικτύων
Βαθειά μάθηση για υποτιτλισμό και περίληψη βίντεο
Βαθειά μάθηση για παραγωγή νέου οπτικού υλικό (adversarial networks, imitation learning)
Συνεχιζόμενη μάθηση και επανεκπαίδευση δικτύων DNN
B.Eυφυής έλεγχο και ανάλυση οπτικών δεδομένων drones
Ρομποτική όραση drones
Βαθειά μάθηση για ανάλυση εικόνας, ανίχνευση/παρακολούθηση αντικειμένων και έλεγχο drones
Έλεγχος συνεργατικών και αυτόνομων ρομπότ (drones)
Αντικείμενα administrator:
Διαχείριση HW/SW ΗΥ και δικτύων ΗΥ, www development, Python, C/C++, PHP.

Σχετικά ερευνητικά έργα και σύνδεσμοι:
1.AERIAL-CORE H2020 R&D Project: https://aerial-core.eu/
2.AI4Media H2020 Project: https://ai4media.eu/
3.Multidrone H2020 R&D Project: https://multidrone.eu/
4.Prof. I. Pitas Google scholar: https://scholar.google.gr/citations?user=lWmGADwAAAAJ&hl=el
5.Artificial Intelligence and Information analysis (AIIA) Lab www.aiia.csd.auth.gr
Ιδανικά, ο υποψήφιος θα ασχολείται 60% με την εκπόνηση διδακτορικού και 40% με system administration (ίσως και λιγότερο). Υπάρχουν δυνατότητες χρηματοδότησης και εκπόνησης διδακτορικής διατριβής, μετά από δημόσια ανταγωνιστική προκήρυξη θέσεων στο τμήμα Πληροφορικής ΑΠΘ.

Θα προτιμηθούν ερευνητές απόφοιτοι προπτυχιακών ή μεταπτυχιακών σπουδών Πληροφορικής ή ΗΜΜΥ ή συναφών και ισότιμων Πανεπιστημιακών σχολών με:
– γνώσεις μηχανικής/βαθειάς μάθησης ή/και τεχνητής όρασης ή/και ρομποτικής ή/και επεξεργασίας εικόνας/βίντεο/σήματος.
– γνώσεις ανάπτυξης λογισμικού (C++, Python), διαχείρησης ΗΥ

Βιογραφικά: Καθηγητής Ιωάννης Πήτας, Τμήμα Πληροφορικής ΑΠΘ, pitas@csd.auth.gr