Η EMETRIS CONSULTING A.E. επενδύει στην αξιοποίηση προηγμένων τεχνολογιών Τεχνητής Νοημοσύνης για την ανάπτυξη καινοτόμων ψηφιακών λύσεων. Στο πλαίσιο έργων Έρευνας & Ανάπτυξης (R&D), με χρηματοδότηση από τη Δράση «ΕΡΕΥΝΩ-ΚΑΙΝΟΤΟΜΩ» στο πλαίσιο του Προγράμματος «Ανταγωνιστικότητα 2021-2027».

Εάν σας ενδιαφέρει να συμμετάσχετε σε μια δυναμική ερευνητική ομάδα που αξιοποιεί την Τεχνητή Νοημοσύνη για την ανάπτυξη προηγμένων λύσεων, παρακαλούμε αποστείλετε:

  • Αναλυτικό βιογραφικό σημείωμα (CV)
  • Συνοδευτική επιστολή (cover letter)
  • Λίστα δημοσιεύσεων (publication list)

Email επικοινωνίας: hr@emetris.gr

Η EMETRIS CONSULTING A.E. επενδύει στην αξιοποίηση προηγμένων τεχνολογιών Τεχνητής Νοημοσύνης για την ανάπτυξη καινοτόμων ψηφιακών λύσεων. Στο πλαίσιο έργων Έρευνας & Ανάπτυξης (R&D), με χρηματοδότηση από τη Δράση «ΕΡΕΥΝΩ-ΚΑΙΝΟΤΟΜΩ» στο πλαίσιο του Προγράμματος «Ανταγωνιστικότητα 2021-2027» με την συγχρηματοδότηση της Ευρωπαϊκής Ένωσης, η EMETRIS αναζητά εξειδικευμένο Postdoctoral AI Researcher / Senior AI Engineer με εστίαση σε Machine Learning, Natural Language Processing (NLP) και Large Language Models (LLMs).

Ο κατάλληλος υποψήφιος θα συμβάλλει ενεργά στον σχεδιασμό και ανάπτυξη Πλατφόρμας Τεχνητής Νοημοσύνης με έμφαση στη γλωσσική κατανόηση, επεξεργασία φυσικής γλώσσας, conversational AI εφαρμογές, βασισμένη σε LLMs, καθώς και στην ασφάλεια και αξιοπιστία λογισμικού.

Η θέση απαιτεί τεχνολογική ευελιξία, βαθιά γνώση των σύγχρονων AI εργαλείων, ερευνητική αριστεία και ικανότητα συνεργασίας σε διεπιστημονικά έργα R&D.

Το χρονικό διάστημα απασχόλησης ορίζεται από Ιούνιο 2026 έως την ολοκλήρωση του έργου 27.11.2028, ενώ το είδος της απασχόλησης είναι με σύμβαση μίσθωσης έργου.

  • Σχεδιασμός και ανάπτυξη λύσεων NLP με χρήση Large Language Models (π.χ. OpenAI, HuggingFace Transformers, LLaMA, Mistral κ.ά.).
  • Fine tuning και βελτιστοποίηση προεκπαιδευμένων μοντέλων σε εξειδικευμένα datasets.
  • Ανάπτυξη pipelines για data preprocessing, training, evaluation και deployment σε cloud/edge περιβάλλοντα.
  • Συμμετοχή σε έργα R&D που ενσωματώνουν AI σε επιχειρησιακές και ερευνητικές πλατφόρμες.
  • Ανάπτυξη μοντέλων για την πρόβλεψη ποιότητας λογισμικού, ανίχνευση ευπαθειών και βελτίωση αξιοπιστίας συστημάτων.
  • Συνεργασία με Software Engineers, UI/UX Designers και Systems Architects για την ολοκληρωμένη υλοποίηση.
  • Συμβολή στη συγγραφή τεχνικών παραδοτέων, ερευνητικών αναφορών και τεκμηρίωσης AI modules.
  • Παρακολούθηση εξελίξεων στον χώρο του NLP, LLMs και Deep Learning και εισαγωγή νέων μεθοδολογιών.
  • Εφαρμογή τεχνικών για την ασφάλεια των δεδομένων με έμφαση στην προστασία της ιδιωτικότητας και τη συμμόρφωση με κανονισμούς (π.χ. GDPR).

  • Διδακτορικό δίπλωμα (PhD) σε Πληροφορική, Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών ή συναφές πεδίο, με εξειδίκευση σε Machine Learning, Τεχνητή Νοημοσύνη, Natural Language Processing ή Ασφάλεια & Αξιοπιστία Λογισμικού.
  • Αποδεδειγμένη ερευνητική εμπειρία με δημοσιεύσεις σε κορυφαία επιστημονικά περιοδικά (π.χ. Expert Systems with Applications, Journal of Systems and Software, Information and Software Technology) ή/και συνέδρια (π.χ. NeurIPS, ICML, ACL, EMNLP, CVPR, DATE, MASCOTS).
  • Βαθιά γνώση σε Deep Learning frameworks (PyTorch, TensorFlow, Keras) και εργαλεία NLP (HuggingFace, spaCy, NLTK).
  • Εμπειρία με Large Language Models (GPT, BERT, LLaMA, Mistral κ.ά.), fine-tuning, prompt engineering και RAG architectures.
  • Εξειδικευμένη γνώση σε Machine Learning για πρόβλεψη, ταξινόμηση, ανίχνευση ανωμαλιών και ανάλυση δεδομένων.
  • Προγραμματιστικές δεξιότητες σε Python, με γνώση επιπλέον γλωσσών (π.χ. Java, C++) θεωρείται πλεονέκτημα.
  • Εμπειρία σε cloud platforms (AWS, Azure, GCP) και deployment τεχνολογίες (Docker, Kubernetes).
  • Εμπειρία σε χρηματοδοτούμενα ερευνητικά έργα (ΕΕ HEU, H2020, FP7 ή εθνικά προγράμματα), με ρόλο Υπεύθυνου Ενοτήτων Εργασίας ή Υπεύθυνου Εργασιών.
  • Άριστη γνώση Αγγλικών (γραπτά και προφορικά) για συγγραφή τεχνικών αναφορών και παρουσιάσεων.
  • Ικανότητα ερευνητικής αυτονομίας και συνεργασίας σε διεπιστημονικές ομάδες.

  • Μεταδιδακτορική εμπειρία σε διεθνή ακαδημαϊκά ιδρύματα ή ερευνητικά κέντρα.
  • Εμπειρία ως κριτής (reviewer) σε επιστημονικά περιοδικά (π.χ. Engineering Applications of AI, Knowledge-based Systems, IEEE Transactions on Cloud Computing).
  • Γνώση μαθηματικής μοντελοποίησης και υπολογιστικών συστημάτων.
  • Εξοικείωση με Retrieval-Augmented Generation (RAG), vector databases και semantic search.
  • Γνώση MLOps practices (CI/CD for ML, model versioning, monitoring).
  • Συγγραφή πάνω από 30-40 επιστημονικών δημοσιεύσεων σε peer-reviewed journals και conferences.
  • Διάκριση σε ακαδημαϊκές επιδόσεις (π.χ. αριστούχος πτυχιούχος).

  • Συμμετοχή σε χρηματοδοτούμενα ερευνητικά έργα με έμφαση στην Τεχνητή Νοημοσύνη και το NLP.
  • Συνεργασία με διεπιστημονικές ομάδες R&D και ακαδημαϊκούς φορείς.