Τεχνολογίες Διαδικτύου και Διαδίκτυο των Πραγμάτων

Το γνωστικό αντικείμενο της κατεύθυνσης αυτής αφορά στις τεχνολογίες  των υπολογιστών  υψηλών επιδόσεων, παράλληλης επεξεργασίας, μηχανικής λογισμικού, υπολογιστικής νοημοσύνης, προηγμένων  διεπαφών ανθρώπου μηχανής και εικονικής πραγματικότητας που θα μπορούσαν να χρησιμοποιηθούν σε εφαρμογές μεγάλης κλίμακας, όπως είναι τα παγκόσμια συστήματα ηλεκτρονικού εμπορίου.

Μαθήματα 1ου εξαμήνου – Υποχρεωτικά

Κωδικός Τίτλος Διδάσκοντες
ΔΜ1001 ΑΛΛΗΛΕΠΙΔΡΑΣΗ ΑΝΘΡΩΠΟΥ – ΥΠΟΛΟΓΙΣΤΗ
ΔΜ1002 ΑΝΑΛΥΣΕΙΣ ΣΕ ΜΕΓΑΛΑ ΔΕΔΟΜΕΝΑ
ΔΜ1003 ΤΕΧΝΙΚΕΣ ΤΑΧΕΙΑΣ ΑΝΑΠΤΥΞΗΣ ΛΟΓΙΣΜΙΚΟΥ
ΔΜ1006 ΤΕΧΝΟΛΟΓΙΕΣ ΑΙΣΘΗΤΗΡΩΝ ΓΙΑ ΤΟ ΔΙΑΔΙΚΤΥΟ ΤΩΝ ΠΡΑΓΜΑΤΩΝ

Μαθήματα 1ου εξαμήνου – Επιλογής

Κωδικός Τίτλος Διδάσκοντες
ΔΜ1001 ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΙΣΤΟΥ
ΔΜ1002 ΠΑΡΑΛΛΗΛΑ ΚΑΙ ΚΑΤΑΝΕΜΗΜΕΝΑ ΥΠΟΛΟΓΙΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ ΚΑΙ ΤΟ ΔΙΑΔΙΚΤΥΟ ΤΩΝ ΠΡΑΓΜΑΤΩΝ
ΔΜ1003 ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΚΑΙ ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ ΣΕ ΠΕΡΙΒΑΛΛΟΝ EDGE COMPUTING
ΔΜ1006 ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ – ΣΥΣΤΗΜΑΤΑ ΕΜΠΝΕΥΣΜΕΝΑ ΑΠΟ ΤΗ ΒΙΟΛΟΓΙΑ

Μαθήματα 2ου εξαμήνου – Υποχρεωτικά

Κωδικός Τίτλος Διδάσκοντες
ΔΜ1001 ΤΕΧΝΟΛΟΓΙΕΣ ΥΠΟΛΟΓΙΣΤΙΚΗΣ ΝΕΦΟΥΣ
ΔΜ1002 ΑΣΦΑΛΕΙΑ ΣΤΟ ΔΙΑΔΙΚΤΥΟ ΚΑΙ ΤΟ ΔΙΑΔΙΚΤΥΟ ΤΩΝ ΠΡΑΓΜΑΤΩΝ
ΔΜ1003 ΣΥΣΤΗΜΑΤΑ ΔΙΑΣΦΑΛΙΣΗΣ ΤΗΣ ΕΜΠΙΣΤΕΥΤΙΚΟΤΗΤΑΣ ΣΤΟ ΔΙΑΔΙΚΤΥΟ ΤΩΝ ΠΡΑΓΜΑΤΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ BLOCKCHAIN
ΔΜ1006 ΕΦΑΡΜΟΓΕΣ ΤΩΝ ΤΕΧΝΟΛΟΓΙΩΝ ΔΙΑΔΙΚΤΥΟΥ ΤΩΝ ΠΡΑΓΜΑΤΩΝ ΣΤΗΝ ΥΓΕΙΑ, ΕΝΕΡΓΕΙΑ, ΕΜΠΟΡΙΟ ΚΑΙ ΜΕΤΑΦΟΡΕΣ

Μαθήματα 2ου εξαμήνου – Επιλογής

Κωδικός Τίτλος Διδάσκοντες
ΔΜ1001 ΝΟΗΜΟΝΑ ΚΑΙ ΑΥΤΟΝΟΜΑ ΣΥΣΤΗΜΑΤΑ
ΔΜ1002 ΣΥΣΤΗΜΑΤΑ ΕΙΚΟΝΙΚΗΣ ΚΑΙ ΕΠΑΥΞΗΜΕΝΗΣ ΠΡΑΓΜΑΤΙΚΟΤΗΤΑΣ
ΔΜ1003 ΤΕΧΝΙΚΕΣ ΜΗΧΑΝΙΚΗΣ ΜΑΘΗΣΗΣ
ΔΜ1006 ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΥΠΟΛΟΓΙΣΤΙΚΕΣ ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ

Περιγραφές μαθημάτων

ΑΛΛΗΛΕΠΙΔΡΑΣΗ ΑΝΘΡΩΠΟΥ – ΥΠΟΛΟΓΙΣΤΗ

Το μάθημα αποτελεί εισαγωγή στα υπολογιστικά συστήματα και την αλληλεπίδραση με το χρήστη. Σκοπός του μαθήματος είναι η ανάπτυξη δεξιοτήτων των διδασκομένων αναφορικά με την ανάλυση, το σχεδιασμό και την ανάπτυξη διεπαφών χρηστών για την υποστήριξη διαφόρων ειδών αλληλεπίδρασης, λαμβάνοντας υπόψη τις απαιτήσεις χρηστών. Με την ολοκλήρωση του μαθήματος, οι φοιτητές/τριες αναμένεται να μπορούν να: α) Αναγνωρίζουν τις διάφορες μεθοδολογίες σχεδιασμού διεπαφών χρηστών β) Αναλύουν τις διαθέσιμες μεθοδολογίες και τις αντίστοιχες τεχνικές αλληλεπίδρασης με τον υπολογιστή γ) Σχεδιάζουν μια διεπαφή χρήστη που να ανταποκρίνεται σε ειδικές απαιτήσεις χρηστών d) Μπορούν να προγραμματίζουν διάφορα είδη διεπαφών χρηστών e) Έχουν την ικανότητα να εφαρμόζουν διάφορες μεθοδολογίες για την αξιολόγηση των διεπαφών χρηστών καθώς και των αντίστοιχων τεχνολογιών αλληλεπίδρασης.

ΑΝΑΛΥΣΕΙΣ ΣΕ ΜΕΓΑΛΑ ΔΕΔΟΜΕΝΑ (BIG DATA ANALYTICS)

Μοντελοποίηση δεδομένων και γνώσης σε πεδία εφαρμογής με δεδομένα μεγάλης κλίμακας. Σχεδίαση και ανάπτυξη μεθοδολογιών και αλγορίθμων μηχανικής μάθησης, εξόρυξης δεδομένων και βαθιάς μάθησης για την ανάλυση πεδίων εφαρμογής με δεδομένα μεγάλης κλίμακας. Σχεδίαση και ανάπτυξη μηχανισμών για την αποθήκευση και ταχεία ανάκτηση δεδομένων μεγάλης κλίμακας. Τεχνικές εξερεύνησης και οπτικοποίησης δεδομένων μεγάλης κλίμακας.
Χρονοσειρές πολλών μεταβλητών και πολύπλοκα συστήματα, συσχετίσεις και αλληλοεπιδράσεις μεταβλητών, αιτιότητα και ροή πληροφορίας, δίκτυα συνδεσιμότητας από πολυμεταβλητές χρονοσειρών. Εφαρμογές.
Privacy in Big Data/ Differential Privacy, High dimensional estimation and learning, Parallel and Distributed Processing Algorithms for Optimization and/or Inference, Efficient storage/caching of Big Data.

ΤΕΧΝΙΚΕΣ ΤΑΧΕΙΑΣ ΑΝΑΠΤΥΞΗΣ ΛΟΓΙΣΜΙΚΟΥ

Εισαγωγή στους άξονες ταχείας ανάπτυξης λογισμικού. Τεχνικές αυτοματοποίησης της διαδικασίας ανάπτυξης λογισμικού. Αυτοματοποίηση της διαδικασίας ελέγχου λογισμικού. Ταχεία προτυποποίηση. Πλατφόρμες χαμηλού κώδικα. Μοντελοστρεφής σχεδίαση λογισμικού. Γλώσσες πεδίου. Γλώσσες περιορισμών. Λογική πρώτης τάξης. Αυτοματοποίηση υπηρεσιοστρεφών αρχιτεκτονικών. Εφαρμογή σε ρομποτικές εφαρμογές και το διαδίκτυο των πραγμάτων

ΤΕΧΝΟΛΟΓΙΕΣ ΑΙΣΘΗΤΗΡΩΝ ΓΙΑ ΤΟ ΔΙΑΔΙΚΤΥΟ ΤΩΝ ΠΡΑΓΜΑΤΩΝ

Σκοπός του μαθήματος είναι να εισάγει τους φοιτητές στις βασικές έννοιες του πεδίου των αισθητήρων καθώς και των συστημάτων μέτρησης και ελέγχου φυσικών παραμέτρων στο Διαδίκτυο των Πραγμάτων καθώς και γενικότερα σε κυβερνοφυσικά συστήματα. Με την ολοκλήρωση του μαθήματος οι φοιτητές/τριες αναμένεται να γνωρίζουν βασικές μεθόδους απεικόνισης και καταγραφής δεδομένων των μετρήσεων καθώς και τεχνικές ρύθμισης των σημάτων που παρέχουν οι αισθητήρες για την ορθή χρήση τους και τη διασύνδεση τους με συσκευές απεικόνισης και καταγραφής. Επίσης, θα είναι σε θέση να εξετάσουν τις βασικές αρχές λειτουργίας διαφόρων αισθητήρων μέτρησης συνηθισμένων φυσικών παραμέτρων καθώς και θέματα σχεδίασης και υλοποίησης κυβερνοφυσικών συστημάτων πραγματικού χρόνου (πιο συγκεκριμένα θεωρία, σχεδιασμός και υλοποίηση υλικού σε διακριτά και ολοκληρωμένα κυκλώματα, ανάπτυξη λογισμικού, διασύνδεσης με το δίκτυο μέσω διαφόρων πρωτοκόλλων και εφαρμογές χρήσης τους). Στη συνέχεια θα εξεταστεί η αποτελεσματική και βέλτιστη ως προς την κατανάλωση ενέργειας σχεδίαση και υλοποίηση τόσο του υπολογιστικού τμήματος όσο και του συστήματος επικοινωνίας των αισθητήρων. Θα παρουσιαστούν τεχνικές συγκομιδής ενέργειας (energy harvesting) για την τροφοδοσία των απομακρυσμένων κόμβων αισθητήρων. Τέλος, θα εξεταστούν μέθοδοι υποστήριξης διαλειτουργικότητας στη σχεδίαση και υλοποίηση πλατφορμών συλλογής δεδομένων από ετερογενείς αισθητήρες για εφαρμογές του Διαδικτύου των Πραγμάτων.

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΙΣΤΟΥ (WEB DEVELOPMENT)

Το μάθημα εμβαθύνει στη χρήση των τεχνολογιών και την ανάπτυξη εφαρμογών Ιστού.  Αρχικά περιέχει μία εισαγωγή στην HTML και τη CSS καθώς και στις γλώσσες scripting πλευράς διακομιστή. Στη συνέχεια επικεντρώνεται στη χρήση της PHP για τη διαχείριση, δομών δεδομένων, επαναλήψεων, συναρτήσεων, αρχείων, συνόδων, μπισκότων και αντικειμένων. Αναλύεται η χρήση των Βάσεων Δεδομένων στις εφαρμογές Ιστού και χρησιμοποιείται η MySQL για τη δημιουργία Ιστοσελίδων που περιέχουν δεδομένα. Με τη χρήση της PHP και της MySQL αναπτύσσονται απλές εφαρμογές διαχείρισης περιεχομένου.

ΠΑΡΑΛΛΗΛΑ ΚΑΙ ΚΑΤΑΝΕΜΗΜΕΝΑ ΥΠΟΛΟΓΙΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ ΚΑΙ ΤΟ ΔΙΑΔΙΚΤΥΟ ΤΩΝ ΠΡΑΓΜΑΤΩΝ

Εισαγωγή στην αρχιτεκτονική, τους αλγορίθμους και τον προγραμματισμό για παράλληλα και κατανεμημένα υπολογιστικά συστήματα και το Διαδίκτυο των Πραγμάτων. Γενική επισκόπηση της αρχιτεκτονικής των παράλληλων υπολογιστών με έμφαση στα ενσωματωμένα συστήματα. Αρχιτεκτονικές κατανεμημένης μνήμης. Αλγόριθμοι για κατανεμημένη δειγματοληψία και επεξεργασία μαζικών δεδομένων. Προγραμματιστικά περιβάλλοντα ανάπτυξης εφαρμογών.

ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΚΑΙ  ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ ΣΕ ΠΕΡΙΒΑΛΛΟΝ  (egde computing)

Εισαγωγή σε επεξεργασία σήματος και μηχανική μάθηση. Succinct signal representations (manifold representations, sparse representations, pca/ica, clustering etc, streams of features). Edge machine learning (ML) (low complexity ML, distributed ML, privacy preserving ML). Edge vs cloud processing (differences, hybrid solutions), Encryption. Νέοι χώροι χρόνου-συχνότητας (wavelet bispectrum, swarm transform) Applications.

ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ – ΣΥΣΤΗΜΑΤΑ ΕΜΠΝΕΥΣΜΕΝΑ ΑΠΟ ΤΗ ΒΙΟΛΟΓΙΑ

Το περιεχόμενο του μαθήματος περιλαμβάνει: Εισαγωγή στα τεχνητά νευρωνικά δίκτυα και εφαρμογές. Δομές τεχνητών νευρωνικών δικτύων. Το perceptron, νευρωνικά δίκτυα πολλών βαθμίδων, δίκτυα radial basis. Διαδικασίες εκπαίδευσης. Ο αλγόριθμος εκπαίδευσης backpropagation, ποιοτική συμπεριφορά και τροποποιήσεις. Ακολουθιακή και ομαδική εκπαίδευση. Προβλήματα εκπαίδευσης και μέθοδοι αντιμετώπισης αυτών. Διαδικασίες αποτίμησης εκμάθησης,. Σχεδίαση αρχιτεκτονικής νευρωνικών δικτύων. Δυναμικά νευρωνικά δίκτυα και μέθοδοι εκπαίδευσης τους. Πολλαπλά νευρωνικά δίκτυα. Deep learning και πιο συγκεκριμένα τα συνελικτικά νευρωνικά δίκτυα (CNN – Convolutional Neural Networks). Δομή των συνελικτικών νευρωνικών δικτύων.   Είδη ενδιάμεσων και τελικών στρωμάτων.   Τεχνικές pre-processing  και βελτιστοποίησης.

Με το πέρας των διαλέξεων αναμένεται οι φοιτητές   α) να γνωρίζουν την βασική θεωρία και τους αλγορίθμους των παραπάνω θεμάτων, β) να αποκτήσουν ικανότητες σχεδίασης και επίλυσης πραγματικών προβλημάτων ταξινόμησης (Classification Problems), ανάλυσης και πρόβλεψης χρονοσειρών (Time Series Analysis and Prediction)   και   προβλημάτων ομαδοποίησης (Clustering Problems) με χρήση Νευρωνικών Δικτύων,  γ) να επιλέγουν τον κατάλληλο για κάθε πρόβλημα αλγόριθμο και δ) να μπορούν να υλοποιήσουν προγραμματιστικά τους αλγορίθμους.

ΤΕΧΝΟΛΟΓΙΕΣ ΥΠΟΛΟΓΙΣΤΙΚΗΣ ΝΕΦΟΥΣ

Ο στόχος του μαθήματος είναι να παρουσιάσει στο φοιτητή την έννοια του νέφους υπολογιστών και τις  τεχνολογίες λογισμικού που λειτουργούν πίσω από το νέφος και το καθιστούν ευέλικτο, αξιόπιστο και πως αυτό μπορεί να χρησιμοποιηθεί σε επιχειρηματικές δραστηριότητες, έξυπνα βιομηχανικά περιβάλλοντα και σε νεφο-κεντρικές εφαρμογές του διαδικτύου των πραγμάτων. Οι τεχνολογίες που παρουσιάζονται στο μάθημα αυτό είναι της εικονοποίησης (virtualization), των προσαρμοσμένων σε υπηρεσίες αρχιτεκτονικών  (Service –Oriented Architectures (SOA)), της υπολογιστικής πλέγματος (Grid Computing) και της υπολογιστικής των άκρων και ομίχλης (Edge/Fog Computing). Στη συνέχεια εξηγούνται η αρχιτεκτονική και τα στοιχεία υποδομής νέφους, όπως είναι ο Hypervisor, o εξυπηρετητής και το σύστημα αποθήκευσης δεδομένων, τo δημόσιο, ιδιωτικό και υβριδικό μοντέλο ανάπτυξης νέφους (Cloud deployment models) καθώς επίσης  και τα μοντέλα υπηρεσιών νέφους (Service – oriented architectures), IaaS, PaaS, SaaS, IDaaS, κ.α. Το μάθημα ολοκληρώνεται με την παρουσίαση των μαζικά επεκτάσιμων αρχιτεκτονικών της υπολογιστικής των άκρων/ομίχλης και τα μοντέλα προγραμματισμού και εκτέλεσης εφαρμογών διαδικτύου των πραγμάτων. Το μάθημα περιλαμβάνει και την παράλληλη εκπόνηση εργαστηριακών ασκήσεων μέσω των οποίων ο φοιτητής αποκτά βασικές δεξιότητες στην εγκατάσταση και διαχείριση ενός Linux εξυπηρετητή, στην δημιουργία ιδιωτικού νέφους υπολογιστών και  επιλεγμένων υπηρεσιών νέφους.

ΑΣΦΑΛΕΙΑ ΣΤΟ ΔΙΑΔΙΚΤΥΟ ΚΑΙ ΤΟ ΔΙΑΔΙΚΤΥΟ ΤΩΝ ΠΡΑΓΜΑΤΩΝ 

Η ασφάλεια είναι ένας καθοριστικός παράγοντας για την αξιοποίηση και χρήση του διαδικτύου, καθώς και της πιο σύγχρονης μορφής του, αυτής του διαδικτύου των πραγμάτων (Internet of things –IOT). Το μάθημα «Ασφάλεια στο διαδίκτυο και το διαδίκτυο των πραγμάτων» έχει σαν στόχο την εξοικείωση των συμμετεχόντων με τις μεθόδους και τεχνικές προστασίας των σύγχρονων συστημάτων πληροφορικής και επικοινωνιών και την εκμάθηση βασικών τεχνικών ασφάλειας των πληροφοριών κατά την επεξεργασία και ηλεκτρονική μεταφορά τους στο διαδίκτυο π.χ. με την αξιοποίηση της κρυπτογραφίας, των Ψηφιακών υπογραφών  και ψηφιακών πιστοποιητικών, τις τεχνικές και μεθόδους προστασίας της Ακεραιότητα και Αυθεντικότητας των Μηνυμάτων, τα προβλήματα Διαχείρισης της  Ασφάλειας, κλπ. Θα εξεταστούν επίσης θέματα όπως η Ασφάλεια Διαδικτυακών Εφαρμογών, η Ασφαλής Διασύνδεση, η προστασία των κρίσιμων υποδομών, η Απόκριση σε συμβάντα και τα Digital Forensics, η Ιδιωτικότητα στο Διαδίκτυο, το Κυβερνοέγκλημα, κλπ.
Το μάθημα θα εξετάσει ακόμα τα τεχνικά, οργανωτικά, διαχειριστικά και κανονιστικά θέματα που σχετίζονται με το διαδίκτυο των πραγμάτων (IOT). Το νέο αυτό, διηρημένο ιντερνετικό περιβάλλον στο οποίο υπολογιστές κάθε μορφής, δίκτυα και έξυπνες συσκευές που τις διαχειριζόμαστε από απόσταση συνεργάζονται, προλαμβάνουν και ικανοποιούν τις απαιτήσεις μας. Έξυπνες συσκευές που αποτελούν την διεπαφή ανάμεσα στον νέο ψηφιακό και πραγματικό κόσμο. Για τον σκοπό αυτό θα αναφερθούμε στις ειδικές ανάγκες και περιορισμούς ασφάλειας στο ίντερνετ των πραγμάτων και θα εξετάσουμε tiw σχετικές μεθόδους και τεχνικές αντιμετώπισης. Θα εξετάσουμε ακόμα το πώς εφαρμόζονται οι τεχνικές και μεθοδολογίες αυτές σε χώρους εφαρμογών όπως είναι η υγεία, η ενέργεια, οι μεταφορές,κλπ.
Το μάθημα θα περιλαμβάνει ακόμα εργαστηριακές ασκήσεις και δραστηριότητες, ώστε να δώσει την ευκαιρία στους συμμετέχοντες να αποκτήσουν εμπειρίες από την εφαρμογή των παραπάνω τεχνικών.

ΣΥΣΤΗΜΑΤΑ ΔΙΑΣΦΑΛΙΣΗΣ ΤΗΣ ΕΜΠΙΣΤΕΥΤΙΚΟΤΗΤΑΣ ΣΤΟ ΔΙΑΔΙΚΤΥΟ ΤΩΝ ΠΡΑΓΜΑΤΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ BLOCKCHAIN 

Το μάθημα έχει ως στόχο να  αναδείξει αλλά και να μελετήσει τα προβλήματα αλλά και τις πιθανές ανησυχίες ως προς την αξιοπιστία των συσκευών που μετέχουν στο δίκτυο των πραγμάτων (IoT) και την ασφαλή μεταφορά των δεδομένων μεταξύ αυτών. Με την ολοκλήρωση του μαθήματος, οι φοιτητές/τριες αναμένεται να μπορούν να α) αναγνωρίζουν τις διάφορες μεθοδολογίες σχεδιασμού privacy by design και να έχουν μια πλήρη κατανόηση των απαιτήσεων ασφάλειας, με βάση τη μελέτη ανάλυσης και αποτίμησης της επικινδυνότητας συστημάτων στο διαδίκτυο των πραγμάτων, β) να εφαρμόζουν κατάλληλες τεχνικές διασφάλισης της εμπιστευτικότητας και της ακεραιότητας των δεδομένων στο διαδίκτυο των πραγμάτων, γ)  μπορούν να εφαρμόζουν κατάλληλα εργαλεία προστασίας και σχετικών αλγορίθμων κρυπτογράφησης δεδομένων που μεταφέρονται, δ) έχουν την ικανότητα να εφαρμόζουν τεχνολογίες κατανεμημένων βάσεων δεδομένων  (Distributed Ledger technologies) που είναι σε θέση να αποθηκεύουν ένα μητρώο/κατάστιχο (ledger) από assets και από συναλλαγές μέσω ενός ομότιμου δικτύου και δημιουργώντας έτσι μια αλυσίδα καταχωρήσεων (block-chain).

ΕΦΑΡΜΟΓΕΣ ΤΩΝ ΤΕΧΝΟΛΟΓΙΩΝ ΔΙΑΔΙΚΤΥΟΥ ΤΩΝ ΠΡΑΓΜΑΤΩΝ ΣΤΗΝ ΥΓΕΙΑ, ΕΝΕΡΓΕΙΑ, ΕΜΠΟΡΙΟ ΚΑΙ ΜΕΤΑΦΟΡΕΣ 

Challenges του έργου BigO «Big data against childhood Obesity» (bigoprogram.eu) στο οποίο είναι συντονιστής.
Challenges του έργου i-PROGNOSIS «Intelligent Parkinson early detection guiding novel supportive interventions» (www.i-prognosis.eu). Smart Manufacturing.
Θα παρουσιαστούν εφαρμογές των τεχνολογιών IoT στον τομέα της ενέργειας και συγκεκριμένα στον τομέα των έξυπνων δικτύων καθώς και της βελτιστοποίησης της χρήσης ανανεώσιμων πηγών ενέργειας για την ικανοποίηση της κατανάλωσης μέσω εναλλακτικών μορφών αποθήκευσης της ενέργειας. Θα αναλυθούν επίσης και μεθοδολογίες σχεδίασης και ανάπτυξης συστημάτων παρακολούθησης, πρόβλεψης και ελέγχου της κατανάλωσης ενέργειας σε οικιακούς και βιομηχανικούς καταναλωτές με τη χρήση τεχνολογιών Διαδικτύου των Πραγμάτων.
Μεταφορές:  Παρουσίαση εφαρμογών των τεχνολογιών IoT στον τομέα των Μεταφορών, συμπεριλαμβάνοντας τα συνεργατικά ευφυή συστήματα μεταφορών (cooperative intelligent transport systems: C-ITS) με εφαρμογές στην οδική ασφάλεια και τη διευκόλυνση της οδικής κυκλοφορίας, τα αυτόνομα οχήματα και την επικοινωνία μεταξύ οχημάτων (V2V), αλλά και μεταξύ οχήματος και υποδομής (V2X) με χρήση κατάλληλων προτύπων ασύρματης επικοινωνίας.

ΝΟΗΜΟΝΑ ΚΑΙ ΑΥΤΟΝΟΜΑ ΣΥΣΤΗΜΑΤΑ 

Στόχος του μαθήματος είναι η εκμάθηση της έννοιας και του τρόπου λειτουργίας των αυτόνομων συστημάτων. Αρχικά γίνεται μία εισαγωγή στην έννοια της αυτονομίας και των συμπεριφορών, όπως και στους τρόπους αναπαράστασής τους (Stimulus-Response diagrams, FSAs κ.α.), αλλά και κωδικοποίησής και συνδυασμού τους (Motor Schema / Subsumption). Στην συνέχεια, εξετάζεται η δομή και ο τρόπος δημιουργίας των βασικών αρχιτεκτονικών αυτονομίας (Ιεραρχική, Αντιδραστική, Πίνακα και Υβριδικής), όπως και ο τρόπος με τον οποίο συμμετέχουν σε αυτές οι συμπεριφορές. Τέλος, γίνεται μία ανασκόπηση σε τεχνικές και αλγορίθμους που αποτελούν συμπεριφορές (ή τμήματα συμπεριφορών) και χρησιμοποιούνται ευρέως στον τομέα της ρομποτικής. Αυτές περιλαμβάνουν αλγορίθμους localization και χαρτογράφησης (SLAM), κατασκευής μονοπατιού (path planning), αυτόνομης κάλυψης και εξερεύνησης, όπως και τεχνικές συστημάτων πολλαπλών ρομπότ και κοινωνικών ρομπότ.

ΣΥΣΤΗΜΑΤΑ ΕΙΚΟΝΙΚΗΣ ΚΑΙ ΕΠΑΥΞΗΜΕΝΗΣ ΠΡΑΓΜΑΤΙΚΟΤΗΤΑΣ 

Το μάθημα αποτελεί εισαγωγή στα συστήματα εικονικής και επαυξημένης πραγματικότητας. Σκοπός του μαθήματος είναι να εξοικειωθούν οι διδασκόμενοι με συσκευές Εικονικής και Επαυξημένης Πραγματικότητας (ΕΕΠ) και να αποκτήσουν αντίστοιχη γνώση που να αφορά στο σχεδιασμό και την ανάπτυξη εφαρμογών ΕΕΠ και εφαρμογών επαυξημένης πραγματικότητας για κινητά, με τη χρήση τεχνολογιών οπτικής, απτικής και ακουστικής αναπαράστασης. Με την ολοκλήρωση του μαθήματος, οι φοιτητές/τριες αναμένεται να μπορούν να: α) Αναγνωρίζουν τις διάφορες συσκευές εισόδου και εξόδου εικονικής πραγματικότητας, καθώς και τις πιθανές χρήσεις τους. β) Κατανοούν τις αρχές των τεχνολογιών οπτικής, απτικής και ακουστικής αναπαράστασης για την υποστήριξη τεχνολογιών επαυξημένης πραγματικότητας. γ) Είναι σε θέση να μοντελοποιούν αντικείμενα και περιβάλλοντα εικονικής και επαυξημένης πραγματικότητας δ) Κατανοούν τους μηχανισμούς που είναι απαραίτητοι για την υποστήριξη τεχνολογιών επαυξημένης πραγματικότητας μέσω της χρήσης συσκευών εικονικής πραγματικότητας και μέσω έξυπνων φορητών συσκευών. ε) Αποκτήσουν ικανότητες σχεδίασης και ανάπτυξης εφαρμογών Εικονικής /Επαυξημένης Πραγματικότητας.

ΤΕΧΝΙΚΕΣ ΜΗΧΑΝΙΚΗΣ ΜΑΘΗΣΗΣ 

Το μάθημα στοχεύει σε μία ισορροπημένη παρουσίαση της θεωρίας και των εφαρμογών. Ο στόχος είναι ο φοιτητής να διδαχθεί το σκεπτικό διαφόρων αλγορίθμων μηχανικής μάθησης, με μια εισαγωγικού επιπέδου μαθηματική ανάλυση και κατόπιν να εστιάσει στις εφαρμογές. Έτσι με την συμπλήρωση του μαθήματος ο φοιτητής θα είναι σε θέση να εφαρμόσει ένα μεγάλο αριθμό αλγορίθμων μηχανικής μάθησης σε πρακτικά προβλήματα.

 ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΥΠΟΛΟΓΙΣΤΙΚΕΣ ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ 

Στόχος του μαθήματος είναι η εισαγωγή στις βασικές αρχές της Νευρο-επιστήμης. Η επιστημονική αυτή περιοχή γνωρίζει σημαντική άνθηση τα τελευταία χρόνια, και αποτελεί πεδίο σύζευξης μεταξύ της νευροφυσιολογίας και ανατομίας του κεντρικού συστήματος από την μεριά της ιατρικής επιστήμης και των μεθόδων μηχανικής μάθησης και ανάλυσης σημάτων από την πλευρά της υπολογιστικής υπολογιστικής. Με την ολοκλήρωση του μαθήματος οι φοιτητές/τριες αναμένεται να αποκτήσουν γνώσεις στα παρακάτω γνωστικά αντικείμενα: α) Ανατομία του κεντρικού νευρικού συστήματος και λειτουργική οργάνωση του εγκεφάλου, ιατρική απεικόνιση. β) Δυναμικές παθήσεις, όπως επιληψία και σκλήρυνση κατά πλάκας. γ) Προσεγγίσεις με διαταραχή στον εγκέφαλο και προκλητά δυναμικά. δ) Επεξεργασία και ανάλυση σημάτων από τον εγκέφαλο, συνδεσιμότητα και δίκτυα εγκεφάλου. ε) Διασύνδεση ανθρώπου-μηχανής και μελέτη του συναισθήματος μέσα από την εφαρμοσμένη νευροεπιστήμη.