studies

Advanced Informatics and Computing Systems - Software Development and Αrtificial Intelligence

Intelligent Technologies for HCI

Η Αλληλεπίδραση Ανθρώπου-Υπολογιστή αποτελεί πλέον ένα πολύ σημαντικό τομέα της Πληροφορικής. Η εξάπλωση της χρήσης των υπολογιστών σε ανθρώπους όλων των ηλικιών, όλων των επιπέδων μόρφωσης και επαγγελμάτων έχει καταστήσει τη διεπαφή με το χρήστη εξαιρετικά σημαντική για την επιτυχία οποιουδήποτε λογισμικού. Επιπροσθέτως, η πολυπλοκότητα των λειτουργιών του λογισμικού καθώς και η υπερπληροφόρηση από το Διαδίκτυο, η οποία μέσω λογισμικού, περνάει στον τελικό χρήστη δημιουργούν ακόμα μεγαλύτερες ανάγκες για πιο ευέλικτο και αποδοτικό σχεδιασμό των συστημάτων διεπαφής με τους χρήστες.

Σύμφωνα με πρόσφατες εκτιμήσεις από το χώρο της Τεχνολογίας Λογισμικού σχεδόν το μισό λογισμικό σε συστήματα που αναπτύσσονται σήμερα και 37-5°% των προσπαθειών σε ολόκληρο τον κύκλο ζωής λογισμικού συνδέονται με τα συστήματα διεπαφής με τους χρήστες. Γι αυτό το λόγο, προβλήματα και μέθοδοι από την περιοχή της Αλληλεπίδρασης Ανθρώπου-Υπολογιστή επηρεάζουν ολόκληρη την διαδικασία ανάπτυξης λογισμικού σε τεράστιο βαθμό και αντίστροφα.

Με βάση τα νέα αυτά δεδομένα η κατεύθυνση «Ευφυείς Τεχνολογίες Αλληλεπίδρασης Ανθρώπου-Υπολογιστή» έχει ως στόχο την εκπαίδευση των φοιτητών στις πλέον σύγχρονες τεχνολογίες Αλληλεπίδρασης Ανθρώπου-Υπολογιστή οι οποίες χρησιμοποιούν τις ευφυείς τεχνολογίες για την ανάπτυξη ευέλικτων και εξατομικευμένων συστημάτων διεπαφής με τους χρήστες. Η κατεύθυνση έχει διαμορφωθεί με την προοπτική να εκπαιδεύσει τους μεταπτυχιακούς φοιτητές στα σύγχρονα αυτά θέματα ώστε να καλύψουν παράλληλα δύο στόχους:

• Την άρτια ειδίκευση των φοιτητών για την αγορά εργασίας στο χώρο της ανάπτυξης λογισμικού.

• Την προσέγγιση των θεμάτων αιχμής στην έρευνα και τεχνολογία, που θα επιτρέψει στους φοιτητές την περαιτέρω ενασχόλησή τους με τα θέματα αυτά σε ερευνητικό επίπεδο.

Obligatory Courses

1st semester

Pattern Recognition and Machine Learning

Algorithmic Techniques and Applications

Considering the wide scope of the subject, this M.SC. Course focus mainly on the parallel algorithms and computation:
- Basic algorithmic techniques for shared memory and distributed memory systems (Pointer jumping, Divide and Conquer, Pipelining, Load Balancing)
- Parallel algorithms for searching, sorting, graph problems (shortest paths, connected components, minimum spanning tree), arithmetic computations (matrix multiplication, solutions of a system of linear equations, solutions of differential equations), image processing (e.g. image segmentation), computational geometry (convex hull, visibility problems), problems from mechanics (e.g. n-body simulation)
- Parallel Programming: OpenMP, Pthreads, Java threads, CUDA, OpenCL, MPI

On successful completion of this unit students will be able to:
1. Aptly apply the algorithmic techniques for solving computational problems in various application fields.
2. Identfy the inherent difficulty of an algorithmic problem.
3. Evaluate the quality of an algorithmic solution both analytically and experimentally.
4. Analytically determine the time and the space complexity of algorithms.
5. Efficiently implement algorithms taking into account the features of the implementation platform.

301, Lam. 126
+302104142124

542, Central Building

+30 210 4142262

Special Topics in Software Engineering

Στο μάθημα Ειδικά Θέματα Τεχνολογίας Λογισμικού θα διδαχθούν μεθοδολογίες ανάπτυξης λογισμικού με έμφαση στην ανάλυση και το σχεδιασμό. Αρχικά θα γίνει η παρουσίαση των κυριότερων μοντέλων κύκλου ζωής λογισμικού συμπεριλαμβανομένου του Μοντέλου Καταρράκτη και της αντικειμενοστρεφούς διαδικασίας Rational Unified Process (RUP). Θα αναλυθούν τα χαρακτηριστικά ποιότητας λογισμικού και θα γίνει παρουσίαση αλγορίθμων προϋπολογισμού κόστους λογισμικού. Θα δοθεί έμφαση στη διδασκαλία της UML, η οποία είναι μια γλώσσα μοντελοποίησης που χρησιμοποιείται για αντικειμενοστρεφή ανάλυση και σχεδιασμό λογισμικού και ήδη έχει αποτελέσει ένα διεθνές πρότυπο ανάπτυξης λογισμικού που χρησιμοποιείται ευρύτατα από εταιρείες, οργανισμούς και από μηχανικούς λογισμικού για τους σκοπούς της ανάπτυξης λογισμικού. Θα γίνει αναφορά σε Εργαλεία Υποβοήθησης Ανάπτυξης Λογισμικού (CASE Tools). Επίσης θα παρουσιασθούν μεθοδολογίες λειτουργικής προσέγγισης. Το μάθημα περιλαμβάνει εργαστήρια για τη χρήση του εργαλείου Rational Rose.

Οι στόχοι του μαθήματος είναι να αποκτήσουν οι μεταπτυχιακοί φοιτητές εποπτική γνώση, και κριτική ικανότητα επιλογής μεθοδολογιών που χρησιμοποιούνται για ανάλυση και σχεδιασμό καθώς και δυνατότητες εκπόνησης ανάλυσης και σχεδιασμού λογισμικού με χρήση των πλέον διαδεδομένων αντικειμενοστρεφών και λειτουργικών μεθοδολογιών σε πραγματικά προβλήματα, όπως είναι η UML.

Professor
507, Central Building
+30.210.4142269

Artificial Intelligence

Integrated Development Environments (IDEs)

540, Central Building

207, Central Building
+302104142131

2nd semester

Παραγωγική Τεχνητή Νοημοσύνη (Generative AI), Μεγάλα Γλωσσικά Μοντέλα (LLM) και Prompt Engineering

Ευφυή Εικονικά Περιβάλλοντα και Ανάπτυξη Παιχνιδιών

Εικονικά περιβάλλοντα ονομάζονται τα τρισδιάστατα περιβάλλοντα προσομοίωσης σε υπολογιστή των οποίων η απεικόνιση γίνεται σε πραγματικό χρόνο και εξαρτάται από τη συμπεριφορά του χρήστη. Όταν τα περιβάλλοντα αυτά εμπλουτίζονται με τεχνικές από το χώρο της Τεχνητής Νοημοσύνης και των Ευφυών Πρακτόρων με σκοπό να αυξηθεί η αυτονομία και αληθοφάνειά τους, καλούνται Ευφυή Εικονικά Περιβάλλοντα. Σκοπός του μαθήματος είναι η επισκόπηση της σύγχρονης βιβλιογραφίας σε θέματα σχεδίασης και ανάπτυξης ευφυών συνθετικών χαρακτήρων, καθώς και των εφαρμογών των ευφυών εικονικών περιβαλλόντων στους χώρους της εκπαίδευσης, της διασκέδασης και της προσομοίωσης.

Το μάθημα καλύπτει τα παρακάτω θέματα:
1. Εισαγωγή στην Εικονική Πραγματικότητα
2. Ευφυείς πράκτορες και συνθετικοί χαρακτήρες
3. Αρχιτεκτονικές ευφυών εικονικών πρακτόρων
4. Μοντέλα αίσθησης και αντίληψης
5. Μοντελοποίηση συναισθημάτων
6. Πράκτορες διεπαφής
7. Ολοκληρωμένα συστήματα και εφαρμογές

604,Lam.126
+302104142146

Advanced Human-Computer Interaction with Computer Sense

Τεχνητή Νοημοσύνη στην Προσαρμοστική Μάθηση

Το μάθημα στοχεύει στη μελέτη των πλέον σύγχρονων τεχνολογιών εκπαιδευτικού λογισμικού και e-learning, οι οποίες παρέχουν δυνατότητες εξατομίκευσης και προσαρμοστικότητας. Η ευρύτητα και πολυπλοκότητα του παγκόσμιου δικτυακού ιστού, που χρησιμοποιείται ποικιλοτρόπως στην εκπαίδευση όλων των βαθμίδων, αλλά και η ανάγκη για εξατομικευμένη διδασκαλία καθιστούν απαραίτητα τα “ευφυή” εργαλεία, τα οποία επιτρέπουν τη δυναμική εξατομίκευση της διδασκαλίας μέσω υπολογιστή. Ο συνδυασμός τεχνητής νοημοσύνης, μοντελοποίησης χρηστών και εξόρυξης δεδομένων επιτρέπει να δημιουργήσουμε εκπαιδευτικό λογισμικό παγκόσμιου διαδικτυακού ιστού για επιτραπέζιους υπολογιστές, ή για κινητά τηλέφωνα που έχει την ικανότητα να αλλάζει τη συμπεριφορά του ανάλογα με τις ανάγκες του χρήστη-διδασκόμενου. Ένα προσαρμοστικό σύστημα διδασκαλίας πρέπει να χαρακτηρίζεται από την ικανότητα να αναγνωρίζει διδασκόμενους-χρήστες, να χρησιμοποιεί μηχανισμούς για να εξάγει συμπεράσματα σχετικά με αυτούς και να προσαρμόζει την διδακτική στρατηγική του για το μέλλον.

Professor
507, Central Building
+30.210.4142269

207, Central Building
+302104142131

Speech and Sound Recognition

Η αναγνώριση σημάτων ομιλίας και ήχου είναι πεδίο σύζευξης της ευρύτερης επιστημονικής περιοχής της πεξεργασίας σημάτων και της μηχανικής μάθησης. Έχει στόχο την εξειδίκευση των αλγορίθμων, τεχνικών και μεθόδων της επεξεργασίας σήματος σε σήματα ομιλίας και λοιπών ήχων, προκειμένου να αξιοποιηθούν οι ιδιότητες και τα ιδιαίτερα χαρακτηριστικά των σημάτων αυτών και να σχεδιαστούν αποδοτικοί αλγόριθμοι αναγνώρισης με σύγχρονες τεχνικές μηχανικής μάθησης

Με την επιτυχή́ ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση:
* Να διαθέτει προχωρημένες γνώσεις δειγματοληψίας/εγγραφής σημάτων ομιλίας/ήχου, αντίληψης ήχων και αρχών ψυχοακουστικής, φασματικής ανάλυσης σημάτων ομιλίας/ήχου, κωδικοποίησης/συμπίεσης σημάτων ομιλίας/ήχου και μεθόδων/τεχνικών αναγνώρισης και σύνθεσης σημάτων ομιλίας και ήχου.
* Να αντιλαμβάνεται πώς συνδυάζονται γνώσεις θεωρίας σήματος, ψυχοακουστικής και μηχανικής μάθησης για τη δημιουργία συστημάτων επεξεργασίας και ανάλυσης ομιλίας/ήχων, όπως συστημάτων βελτίωσης ποιότητας σήματος, συστημάτων συμπίεσης ομιλίας/ήχων και συστημάτων αναγνώρισης ομιλίας και ηχητικών συμβάντων.
* Να κατέχει τη δεξιότητα να αναλύει προβλήματα πραγματικών δεδομένων (ανοικτής πρόσβασης), στα οποία απαιτείται η σχεδίαση/ανάπτυξη/υλοποίηση συστημάτων επεξεργασίας/ανάλυσης ομιλίας/ήχου, να εκτιμά το εφικτό των προβλημάτων αυτών, να επιλέγει τους κατάλληλους αλγορίθμους/τεχνικές και να προβαίνει στην αποτίμηση και συγκριτική μελέτη των επιδόσεων εναλλακτικών λύσεων.
* Να έχει την ικανότητα να διαχειρίζεται τον φόρτο και την πολυπλοκότητα τέτοιων προβλημάτων πραγματικών δεδομένων σε περιβάλλον ομαδικής εργασίας.
* Να κατέχει προχωρημένες προγραμματιστικές δεξιότητες σε περιβάλλον ανάπτυξης λογισμικού Python/MATLAB/GNU Octave για την υλοποίηση αλγορίθμων, τεχνικών και μεθόδων επεξεργασίας και ανάλυσης σημάτων φωνής/ήχου.
* Να κατέχει τη δεξιότητα να κατανοεί και να επαναχρησιμοποιεί υφιστάμενες υλοποιήσεις συναρτήσεων ανοιχτού κώδικα, σχετικών με τα πεδίο της επεξεργασίας σημάτων φωνής/ήχου και της μηχανικής μάθησης.

505, Central Building
+302104142128

3rd semester

MSc Thesis

Υλικό και σύνδεσμοι