σπουδες

Στο πλαίσιο του μαθήματος παρουσιάζονται θέματα που αφορούν τη μελέτη, τον σχεδιασμό και την υλοποίηση σύγχρονων κατανεμημένων συστημάτων όπως των υπολογιστικών νεφών, των δικτύων παροχής περιεχομένου και των σχηματικών δικτύων. Θα μελετηθούν έννοιες σχετικές µε το υλικό και το λογισμικό πάνω στα οποία οικοδομείται ένα σύγχρονο κατανεμημένο υπολογιστικό σύστημα. Έμφαση δίνεται στην επικοινωνία μεταξύ των διαφόρων τμημάτων του συστήματος καθώς και στην διαχείριση διεργασιών, την ονοματολογία οντοτήτων και την ασφάλεια. Θα μελετηθούν σε βάθος οι αρχιτεκτονικές των υπολογιστικών νεφών καθώς και τα αναδυόμενα μοντέλα που επεκτείνουν τις δυνατότητές τους (Network Function Virtualization – NFV, Software Defined Networking – SDN, Edge Cloud και Fog/Edge Computing). Επιπλέον θα μελετηθούν οι τεχνολογίες και αρχιτεκτονικές των δικτύων παροχής περιεχομένου καθώς και των οχηματικών δικτύων. Θα αναλυθούν αντίστοιχα μοντέλα σύνθεσης, η ετερογένεια, η κλιμάκωση, οι τεχνικές απεικόνισης δυναμικών ροών εργασίας, η διασφάλιση ποιότητας, οι κατηγορίες παραμέτρων και απαιτήσεων, καθώς και τεχνικές ανοχής σε σφάλματα.

• Bασικές μέθοδοι ομαδοποίησης, κατηγοριοποίησης και πρόβλεψης, Συστήματα συμπερασμού και προτάσεων, Μείωση διάστασης σε δεδομένα μεγάλου όγκου (Ανάλυση Πρωτευουσών Συνιστωσών, Τυχαίες Προβολές, Παράλληλες μέθοδοι), Εφαρμογές από δεδομένα μεγάλης κλίμακας σε διάφορες περιοχές της καθημερινότητας (Παγκόσμιος Ιστός, Social Media, Ιατρική, Smart Cities), Οπτικοποίηση δεδομένων μεγάλης κλίμακας, Πρότυπα Μηχαναγνώσιμων Δεδομένων, Ανάλυση Ανοικτών και Διασυνδεδεμένων Δεδομένων, Εργαλεία και Πλατφόρμες Διαχείρισης Δεδομένων Μεγάλης Κλίμακας.

• Πίνακες, πράξεις με πίνακες, ορίζουσες, ανάστροφος και αντίστροφος ενός πίνακα. Γραμμικές εξισώσεις, μέθοδοι επίλυσης γραμμικών συστημάτων, απαλοιφή Gauss, κανόνας του Cramer. χαρακτηριστικά μεγέθη, ιδιοτιμές και ιδιοδιανύσματα. θεωρια πιθανοτητων, τυχαιες κατανομές βασικές διακριτές και συνεχείς κατανομές.

• Καθαρισμός δεδομένων, μετασχηματισμός. Μέτρα ομοιότητας, απόστασης. Γραμμική και λογιστική παλινδρόμηση. Εισαγωγή στο πρόγραμμα Matlab, Προγραμματισμός στη mat lab. Εισαγωγή στην R.

• Γραμμική-πολλαπλή γραμμική παλινδρόμηση, λογιστική παλινδρόμηση, αντίστροφη κανονική παλινδρόμηση (Probit regression), ανάλυση διακύμανσης (ANOVA-MANOVA). Διερευνητική ανάλυση παραγόντων. Το περιβάλλον της γλώσσας R, Συντακτικό, Βασικές Δομές και Συναρτήσεις, εφαρμογές στην γραμμική παλινδρόμηση και στην Λογιστική παλινδρόμηση, με R.

• Βασικά είδη κατηγοριοποίησης. Στατιστική ταξινόμηση. Ανάλυση συνάρτησης διάκρισης (Discriminant function analysis). Κριτήρια αξιόλογησης μεθόδων κατηγοριοποίησης. Εξόρυξη από βάση δεδομένων και προηγμένες τεχνικές πρόβλεψης.εφαρμογές συσταδοπόίησης και νευρωνικών με matlab και R.

Το μάθημα πραγματεύεται τις κύριες προκλήσεις, τις λύσεις και τις εφαρμογές των επικοινωνιών Μηχανής προς Μηχανή (Machine to Machine – M2M). Ως αναδυόμενο παράδειγμα δικτύωσης, οι επικοινωνίες M2M καλύπτουν όλες τις διαδικασίες επικοινωνίας που δεν αφορούν μόνο τους ανθρώπους, αλλά και τις μηχανές, και οι οποίες έχουν σχεδιαστεί για να επιτελούν καθήκοντα αυτοματισμού με την ευρύτερη έννοια. Με αυτό τον τρόπο, δημιουργούνται νέοι τομείς εφαρμογών, καθώς και νέες προκλήσεις, ειδικά στις περιοχές των Έξυπνων Πόλεων (Smart Cities) και του Διαδικτύου των Πραγμάτων (Internet of Things – IoT). Πολλά ζητήματα έχουν εξεταστεί από την ερευνητική κοινότητα τα τελευταία χρόνια και έχουν ξεκινήσει νέες δραστηριότητες προτυποποίησης. Το μάθημα ασχολείται με τις νέες αυτές ιδέες και τεχνολογίες, και τις συσχετίζει με νέους αναδυόμενους τομείς εφαρμογών στις επιστημονικές περιοχές των Έξυπνων Πόλεων και του Διαδικτύου των Πραγμάτων. Ενδεικτικά, το μάθημα πραγματεύεται παραδοσιακά συστήματα αυτοματισμού, τη φιλοσοφία του συνδεδεμένου κόσμου (connected world), το Διαδίκτυο των Πραγμάτων, τα έξυπνα δίκτυα, τα δίκτυα μεταξύ οχημάτων, καθώς και σενάρια εφαρμογών.

Επίσης, το μάθημα περιλαμβάνει οδηγούς, επιχειρηματικές τάσεις, διασύνδεση μεταξύ του τομέα των M2M επικοινωνιών με τους τομείς της Μηχανικής Μάθησης και του Διαδικτύου των Πραγμάτων, Αλγορίθμους Μηχανικής Μάθησης, προσπάθειες προτυποποίησης των M2M επικοινωνιών, οικοσυστήματα και εφαρμογές M2M, τεχνολογίες υποδομών δικτύου για M2M επικοινωνίες, εφαρμογές για Έξυπνες Πόλεις και άλλα βασικά θέματα.

Επιπροσθέτως, στα αντικείμενα του μαθήματος περιλαμβάνονται: Βασικές Αρχές Ασύρματης Επικοινωνίας, Φυσική Μοντελοποίηση Ασύρματων Καναλιών, Ασύρματη Μετάδοση, Πολλαπλή Πρόσβαση και Χωρητικότητα Καναλιών. Δίκτυα Επόμενης Γενιάς (NGN) και Εφαρμογές, Αρχιτεκτονικές NGN, κύρια χαρακτηριστικά και πλατφόρμες. Δορυφορικές Επικοινωνίες, πλατφόρμες DVB-T και DVB-S 2+, ανάλυση και σχεδίαση δορυφορικών ζεύξεων. Δίκτυα πολλαπλών βημάτων. Ασύρματα Δίκτυα Αισθητήρων (WSNs), Έλεγχος Ισχύος και Εξοικονόμηση Ενέργειας, Κατανομή Πόρων, Δρομολόγηση. Βασικές έννοιες. Αναγκαιότητα. Παροχή υπηρεσιών. Παραδείγματα εφαρμογών. Τεχνολογίες επικοινωνίας πληροφοριών. Ενσύρματη μετάδοση. Ασύρματη μετάδοση. Περιγραφή διαδεδομένων μοντέλων αναφοράς Π.χ. Lora, SigFox, LTE-M, κτλ. Πρωτόκολλα Μεταφοράς Δεδομένων.

Το μάθημα πραγματεύεται ζητήματα σχετικά με το σχεδιασμό και την ανάπτυξη εφαρμογών κινητών συσκευών για περιβάλλοντα έξυπνων πόλεων με χρήση τεχνολογιών (υλικού και λογισμικού) του Διαδικτύου των Πραγμάτων (Internet of Things – IoT), καθώς και προγραμματισμό σε περιβάλλον υπολογιστικής νέφους (Cloud). Οι σχετικές εφαρμογές στο πλαίσιο του Διαδικτύου των πραγμάτων περιλαμβάνουν ενδεικτικά: έξυπνες μεταφορές, έξυπνες πόλεις, έξυπνη διαβίωση, έξυπνη ενέργεια, έξυπνη υγεία και έξυπνη μάθηση. Επιπροσθέτως, μελετώνται τεχνικές εικονοποίησης (virtualization) των πόρων στο άκρο του δικτύου που αφορούν την Edge υπολογιστική και την υπολογιστική ομίχλης (Fog computing). Η τεχνολογία Mobile Edge Υπολογιστική (MEC) καθορίζει μία καινοτόμα αρχιτεκτονική δικτύου όπου οι υπηρεσίες υπολογιστικού νέφους παρέχονται από το άκρο του δικτύου, δηλαδή από έξυπνους σταθμούς βάσης και σημεία πρόσβασης στο δίκτυο. Το άκρο του δικτύου είναι το τμήμα που είναι πιο κοντά στον τελικό χρήστη. Μεταφέροντας τις υπηρεσίες σε αυτό, περιορίζονται οι καθυστερήσεις (delays) καθώς μειώνεται η απόσταση μεταξύ του χρήστη και του τόπου από όπου παρέχονται οι υπηρεσίες. Επίσης, αναλύονται ζητήματα σχεδιασμού και ανάπτυξης Ασύρματων Δικτύων Πέμπτης Γενιάς (5G wireless networks), Πυκνών Δικτύων (Ultra Dense Networks – UDN), Ασύρματων Δικτύων Αισθητήρων (Wireless Sensor Networks – WSN), Δικτύων Καθοριζόμενων από το Λογισμικό (Software Defined Networks – SDN) και Οχηματικών Δικτύων (Vehicular Networks) για περιβάλλοντα έξυπνων πόλεων.

Η ανάπτυξη των ψηφιακών τεχνολογιών και ιδίως του διαδικτύου των πραγμάτων (Internet of Things) εγείρει πληθώρα νομικών ζητημάτων από το δίκαιο της πνευματικής ιδιοκτησίας, τα ζητήματα προστασίας της ιδιωτικότητας, της προστασίας του καταναλωτή, της ελεύθερης πρόσβασης στην πληροφορία, της ρύθμισης δικαιωμάτων επί των δεδομένων γενικότερα (ιδίως η περίπτωση των Big data) αλλά και της ασφάλειας των πληροφοριακών συστημάτων (information security/ cybercime issues). Στο μάθημα εξετάζονται όλα τα ανωτέρω και επιπλέον ενδεικτικά οι νομικές πτυχές της τεχνητής νοημοσύνης (artificial intelligence), της μηχανικής εκμάθησης (machine learning), της τεχνολογίας της «αλυσίδας των μπλοκ» (blockchain technology) και των έξυπνων συμβολαίων (smart contracts).

Σκοπός του μαθήματος είναι η δυνατότητα ανίχνευσης και αντιμετώπισης των νομικών ζητημάτων που άπτονται της ραγδαίας ανάπτυξης των ψηφιακών τεχνολογιών και ιδίως της νέας πραγματικότητας του διαδικτύου των πραγμάτων (Internet Of Things).

Αντικείμενο του μαθήματος είναι η κατανόηση του νέου τρόπου αστικής διακυβέρνησης και διαχείρισης των «Έξυπνων Πόλεων» με την αξιοποίηση ψηφιακών τεχνολογιών και του Διαδικτύου των Πραγμάτων (IoT). Οι συμπράξεις είναι μεταξύ βιομηχανίας – επιχειρήσεων, τοπικών αρχών και κοινωνίας και επικεντρώνουν στη βιώσιμη ανάπτυξη, τη βιώσιμη αστική κινητικότητα, τις βιώσιμες γειτονιές, το βιώσιμο δομημένο περιβάλλον, τις τεχνολογίες για υποδομές ενέργειας, μεταφορών, πληροφοριών και επικοινωνίας. Το Διαδίκτυο των Πραγμάτων (IoT) και οι σύγχρονες ψηφιακές τεχνολογίες, με τη συνδρομή νεοφυών επιχειρήσεων που δραστηριοποιούνται στο τομέα αυτόν, έχουν σαν αποτέλεσμα την ενίσχυση της επιχειρηματικότητας, την μείωση των κοινωνικών ανισοτήτων στον αστικό ιστό και τη μείωση της ανεργίας, καθώς και την ανάπτυξη μια νέας ψηφιακής οικονομίας και εκσυγχρονισμού της Δημόσιας Διοίκησης και σύμπραξης με τον Ιδιωτικό Τομέα. Η υιοθέτηση καινοτόμων τεχνολογικών λύσεων συμβάλουν στην ανάπτυξη της Επιχειρηματικότητας, «ελέγχοντας» με σύγχρονο τεχνολογικό τρόπο την επιχείρηση. Μέσω εφαρμογών που εντάσσονται στο Διαδίκτυο των Πραγμάτων, οι σπουδαστές θα έχουν την ευκαιρία να αναγνωρίσουν υψηλού επιπέδου εξειδικευμένες υπηρεσίες για τον πολίτη, τον πελάτη, με απώτερο στόχο τη βέλτιστη διαχείριση της πληροφορίας.

Επίσης, το μάθημα αυτό αποτελεί εισαγωγή στην αειφόρο ανάπτυξη και την υπεύθυνη καινοτομία, ιδιαίτερα στον ψηφιακό τομέα. Παρέχει εννοιολογικές και εμπειρικές βάσεις για τους φοιτητές να προσεγγίσουν την τεχνολογία και την επιχειρηματικότητα στις διασυνδέσεις τους με περιβαλλοντικούς, κοινωνικούς και πολιτικούς παράγοντες. Θα εξοικειώσει τους φοιτητές με τις πρακτικές και τα βασικά ζητήματα γύρω από τη δημιουργία νέας οικονομικής δραστηριότητας και με τη χρηματοδότηση τέτοιων πρωτοβουλιών. Οι φοιτητές θα αποκτήσουν βαθιά γνώση της φύσης των καινοτομιών (έξυπνων τεχνολογιών) στα συστήματα αστικών υποδομών. Θα γνωρίσουν και θα κατανοήσουν τις πλέον σύγχρονες στρατηγικές που είναι και μπορούν να χρησιμοποιηθούν για λύσεις “έξυπνης υποδομής” σε πόλεις, ενώ παράλληλα θα μπορούν να διαχειρίζονται αποτελεσματικά τη μετάβαση από παλαιότερες υποδομές σε έξυπνα συστήματα, να διαχειρίζονται τη φάση μετάβασης από τα συστήματα υποδομής παλαιού τύπου σε έξυπνες πόλεις, υποστηρίζοντας την καινοτομία και την επιχειρηματικότητα.

Η ευρεία χρήση της τεχνολογίας πέρα από το να απλοποιεί και να αυτοματοποιεί αρκετές καθημερινές μας εργασίες εκθέτει χρήστες και οργανισμούς σε ένα πλήθος κινδύνων. Οι κίνδυνοι αυτοί μπορεί να προέρχονται από πολλούς παράγοντες όπως λανθασμένη αρχιτεκτονική του συστήματος, λανθασμένη παραμετροποίησή του ή έλλειψη απαραίτητων μηχανισμών ελέγχου. Στο πλαίσιο του μαθήματος θα εξεταστούν πραγματικά υπολογιστικά συστήματα Δημοσιών Υπηρεσιών με συνήθη προβλήματα ασφάλειας και μεθοδολογία εντοπισμού τους, τόσο χειροκίνητα, όσο και με τη χρήση εργαλείων καθώς και να εντοπίσει βασικά προβλήματα ασφάλειας σε web και mobile εφαρμογές.

Δεδομένης της ανάγκης των σύγχρονων συστημάτων Δημοσιών Υπηρεσιών για αποκεντρωμένες και ασφαλείς αρχιτεκτονικές, το μάθημα θα αναλύσει τις τεχνολογίες Blockchain, την ασφάλειά τους, τις εφαρμογές τους καθώς και πλατφόρμες ανάπτυξης τέτοιων εφαρμογών.

Αντικείμενο του μαθήματος είναι η ανάπτυξη εφαρμογών οι οποίες μπορούν να εκτελεστούν από σύγχρονες IoT συσκευές με ενσωματωμένο λειτουργικό σύστημα. Οι εφαρμογές αυτές δύναται να αξιοποιηθούν στο πλαίσιο των έξυπνων σπιτιών (Smart Houses), όσο και σε συσκευές και εξοπλισμό που χρησιμοποιεί ο σύγχρονος άνθρωπος, όπως τα «έξυπνα» τηλέφωνα (Smartphones), όσο και σε άλλες έξυπνες συσκευές, οι οποίες έχουν κάνει την εμφάνισή τους τα τελευταία χρόνια και χρησιμοποιούν λειτουργικό σύστημα. Το λογισμικό για το IoT περιλαμβάνει μεταξύ άλλων, λογισμικό από υπολογιστή, λογισμικό για wearables, λογισμικό για έξυπνες τηλεοράσεις, λογισμικό για τα νέας γενιάς έξυπνα αυτοκίνητα, καθώς και λογισμικό για έξυπνες πλακέτες “Android Things”. Στο μάθημα αναλύονται τα δημοφιλέστερα λειτουργικά συστήματα IoT, καθώς και τα εργαλεία ανάπτυξης εφαρμογών σε αυτά, ενώ παράλληλα αναλύονται και μεθοδολογίες ανάπτυξης λογισμικού, καθώς και ανάπτυξη λογισμικού σε πλατφόρμες υπολογιστικού νέφους.

Το μάθημα στοχεύει στη δημιουργία διεπιστημονικών ομάδων εμπειρογνωμόνων που μπορούν να σχεδιάσουν καινοτόμες λύσεις που μπορούν να εξασφαλίσουν τη βιωσιμότητα των πόλεων του μέλλοντος. Θα διερευνήσουμε τις τεχνολογικές τάσεις και τα εργαλεία που υποστηρίζουν τον ψηφιακό μετασχηματισμό των κοινοτήτων μας και θα εμβαθύνουμε στις περιβαλλοντικές και κοινωνικές επιπτώσεις που πρέπει να ληφθούν υπόψη όταν ξανασκεφτούμε το μέλλον μιας πόλης.

Εισαγωγή στην Σημασιολογία, Δόμηση Πληροφορίας και Γνώσης, Οργάνωση Πληροφορίας στον Παγκόσμιο Ιστό, Σημασιολογικά Πρωτόκολλα (RDF, RDF Schema, OWL, SPARQL). Εργαλεία Ανάπτυξης και Διαχείρισης Οντολογιών, Ανάπτυξη Οντολογιών, Τεχνολογίες Web 3.0 και Mηχανές Aναζήτησης, Text Analytics, Text mining και Web Sentiment Analysis, Εφαρμογές συλλογικής ευφυΐας (Collective Intelligence), Crowsourcing.