studies
Master Degree (M.Sc.) in "Informatics"
Courses of 2st semester
2nd semester
Object-Oriented Programming / Internet Technologies
Course Code ΜΠΠΛΑΝΠ01
Course Type Obligatory
Teaching Hours 3
ECTS: 5
Αντικείμενο του μαθήματος είναι η εισαγωγή στον αντικειμενοστρεφή προγραμματισμό με πλήρη ανάλυση της γλώσσας προγραμματισμού JAVA. Βασικές δομές, κληρονομικότητα, πολυμορφισμός, ενθυλάκωση, ειδικές κλάσεις, εξαιρέσεις, ειδικά θέματα, βιβλιοθήκες, διαπροσωπίες, προσπέλαση αρχείων, access modifiers, non-access modifiers.
Στο μάθημα αυτό περιγράφονται με εισαγωγικό, αλλά πλήρη, τρόπο οι τεχνολογίες και τα πρωτόκολλα πάνω στα οποία στηρίζονται το Διαδίκτυο και ο Παγκόσμιος Ιστός και αναλύονται με περισσότερη λεπτομέρεια η ανάπτυξη εφαρμογών με τη χρήση συγκεκριμένων εργαλείων/γλωσσών, οι οποίες εκτελούνται στην πλευρά του πελάτη ή/και στην πλευρά του εξυπηρετητή.
Μερικές από τις έννοιες οι οποίες αντιμετωπίζονται είναι: στοίβα πρωτοκόλλων TCP/IP, επίπεδο μεταφοράς και διαδικτύου, HTML5, CSS3, Javascript, jQuery, κλήση AJAX, PHP nodejs, XML και JSON.
Με την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές/τριες θα είναι σε θέση να:
- Να γνωρίζουν τις βασικές αρχές που διέπουν τον αντικειμενοστρεφή προγραμματισμό
- Να υλοποιούν με πρωτοτυπία αντικειμενοστρεφή προγράμματα
- Να σχεδιάζουν, να αναπτύσσουν και να υλοποιούν με ευχέρεια λογισμικό ως λύσεις σε προβλήματα, αποτελούμενο από αντικείμενα και αλλληλεπιδράσεις αυτών
- Δημιουργούν τάξεις, διεπαφές και αντικείμενα
- Χρησιμοποιούν σωστά τους modifiers της γλώσσας Java
- Διαχειρίζονται αποτελεσματικά και με χρήση των κατάλληλων εργαλείων τις εξαιρέσεις που ανακύπτουν
- Χειρίζονται με πρωτοτυπία αρχεία προορισμένα για ανάγνωση και αποθήκευση δεδομένων
- Συμβαδίζουν με τις εναλλασσόμενες τεχνολογικές απαιτήσεις καθώς εκτίθενται σε σύγχρονες τεχνικές προγραμματισμού με στόχο την ποιότητα του λογισμικού τους
- Εντοπίζουν, αξιολογούν με κριτική σκέψη και αξιοποιούν λογισμικό που υλοποιείται σύμφωνα με τις βασικές αρχές της αντικειμενοστρεφούς σχεδίασης
- Να εφαρμόζουν με ευχέρεια και πρωτοτυπία τις αρχές του αντικειμενοστρεφούς προγραμματισμού στις έρευνες, μελέτες και εργασίες τους με κριτικό και δημιουργικό τρόπο.
- Να επιδεικνύουν κριτική κατανόηση στον τρόπο διασύνδεσης των αρχών του αντικειμενοστρεφούς προγραμματισμού με ποικίλους γνωστικούς τομείς.,
- Να εφαρμόζουν τις αρχές του αντικειμενοστρεφούς προγραμματισμού για την επίλυση σύνθετων ζητημάτων στο χώρο εργασίας με επιστημονικά τεκμηριωμένο τρόπο,
- Να αναπτύσσουν με αυτονομία τις σχετικές με τον αντικειμενοστρεφή προγραμματισμό γνώσεις και ικανότητές τους,
- Να επιλύουν προβλήματα και να λαμβάνουν στρατηγικές αποφάσεις με αφετηρία την επαγωγική σκέψη βασιζόμενοι στις αρχές του αντικειμενοστρεφούς προγραμματισμού.
- Αναγνωρίζει τις βασικές αρχές των πρωτοκόλλων που στηρίζουν το Διαδίκτυο, με έμφαση στο IP και το TCP.
- Έχει κατανοήσει τα βασικά χαρακτηριστικά εφαρμογών του διαδικτύου, τη δομή τους, τους στόχους τους όπως και τη διασύνδεσή τους.
- Έχει γνώση των βασικών τεχνικών και εργαλείων μέσω των οποίων θα μπορούσε να προγραμματίσει/ελέγξει μια τέτοια εφαρμογή.
- Χρησιμοποιεί τις προγραμματιστικές τεχνικές και τη θεωρία του μαθήματος για αποδοτικό σχεδιασμό, βελτιστοποίηση απόδοσης και αποδοτική εκτέλεση/δημιουργία εφαρμογών στο διαδίκτυο.
- Χρησιμοποιεί τις γνώσεις του προκειμένου να αναλύσει, να συγκρίνει και να προτείνει εναλλακτικές σχετικά με υπάρχουσες διαδικτυακές εφαρμογές και πιθανά προβλήματα απόδοσής τους.
- Χρησιμοποιεί εργαλεία διαδικτυακού προγραμματισμού τεχνολογίας αιχμής και να τα συνδυάσει με παραδοσιακές μεθόδους/εργαλεία.
- Συνεργάζεται με τους συμφοιτητές του στη δημιουργία και εκτέλεση απλών και σύνθετων εφαρμογών διαδικτύου.
Databases and Data Warehouses
Course Code ΜΠΠΛΒΔ01
Course Type Obligatory
Teaching Hours 3
ECTS: 5
Το μάθημα προσφέρει γνώσεις σχετικά με τη σχεδίαση και χρήση των Βάσεων Δεδομένων (ΒΔ), οι οποίες αποτελούν κομβικά συστατικά ενός οποιουδήποτε Πληροφοριακού Συστήματος (ΠΣ). Πιο συγκεκριμένα περιλαμβάνει:
- Θεωρητικό υπόβαθρο (Σχεσιακό Μοντέλο, Σχεσιακή Άλγεβρα),
- Εκμάθηση της γλώσσας SQL (η οποία αποτελεί το de-facto standard των συστημάτων διαχείρισης ΒΔ),
- Τεχνικές σχεδίασης Σχεσιακών ΒΔ, συμπεριλαμβανομένης της θεωρίας κανονικοποίησης,
- Εργαστηριακές ασκήσεις σε ένα δημοφιλές σύστημα διαχείρισης ΒΔ (PostgreSQL)
Μετά την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές:
- Θα κατανοούν εξειδικευμένα θέματα σχετικά με το απαιτούμενο θεωρητικό υπόβαθρο των ΒΔ, όπως το Σχεσιακό Μοντέλο και η γλώσσα SQL, ως κομβικών συστατικών ενός ΠΣ.
- Θα αξιοποιούν με ευχέρεια τη θεωρητική γνώση για να σχεδιάζουν και να αναλύουν τα δεδομένα ενός ΠΣ
- Θα χρησιμοποιούν τη γλώσσα SQL έχοντας διδαχθεί τη θεωρητικό υπόβαθρο της Σχεσιακής Άλγεβρας
- Θα ενσωματώνουν με πρωτοτυπία τις τεχνικές σχεδίασης Σχεσιακών Βάσεων Δεδομένων για την αποτελεσματική κατασκευή και αξιοποίησή τους
- Θα διακρίνουν τις λοιπές παραμέτρους για να σχεδιάζουν και να αναπτύσσουν Βάσεις Δεδομένων με διευρυμένες δυνατότητες.
- Θα έχουν σφαιρική και ευρεία ενημέρωση, ερευνητική και εμπειρική, για περαιτέρω εξειδίκευση στο χώρο των ΠΣ και των ΒΔ (επαγγελματικά ή/και ακαδημαϊκά).
- θα μπορούν να εφαρμόζουν με ευχέρεια και πρωτοτυπία τις σχετικές με τις ΒΔ γνώσεις στις έρευνες, μελέτες και εργασίες τους με κριτικό και δημιουργικό τρόπο.
- Να επιδεικνύουν κριτική κατανόηση στον τρόπο διασύνδεσης των σχετικών με τις ΒΔ γνώσεις με ποικίλους γνωστικούς τομείς.,
- Να εφαρμόζουν τις σχετικές με τις ΒΔ γνώσεις για την επίλυση σύνθετων ζητημάτων στο χώρο εργασίας με επιστημονικά τεκμηριωμένο τρόπο,
- Να αναπτύσσουν με αυτονομία τις σχετικές με τις ΒΔ γνώσεις και ικανότητές τους,
- Να επιλύουν προβλήματα και να λαμβάνουν στρατηγικές αποφάσεις με αφετηρία την επαγωγική σκέψη βασιζόμενοι στις σχετικές με τις ΒΔ γνώσεις.
Artificial Intelligence and Advanced Applications
Course Code ΜΠΠΛΤΧ01
Course Type Obligatory
Teaching Hours 3
ECTS: 5
- Εισαγωγικές γνώσεις βασικών εννοιών στην Τεχνητή Νοημοσύνη και τα ‘Εμπειρα Συστήματα
- Επίλυση προβλημάτων σε επιλεγμένες περιοχές, όπως για παράδειγμα οι γενετικοί αλγόριθμοι με μεθόδους τεχνητής νοημοσύνης
- Βασικές γνώσεις στη Μηχανική Μάθηση και στα Νευρωνικά Δίκτυα
After successfully completing this course, students are expected to have acquired the basic knowledge regarding some basic principles and notions of Mathematics and Mathematical Logic, which are necessary for the students of an undergraduate course in Computer Science.
- θα γνωρίζουν σε ευρος τις βασικές έννοιες της Τεχνητής Νοημοσύνης (ΤΝ) και των Έμπειρων Συστημάτων (ΕΣ),
- θα μπορούν να αναγνωρίζουν, να περιγράφουν και να αναπαριστούν με ευχέρεια προβλήματα λογικής,
- θα αναπτύσσουν με πρωτοτυπία αλγόριθμους αναζήτησης λύσης,
- θα εστιάζουν, θα εμβαθύνουν, θα διακρίνουν και θα καταδεικνύουν τρόπους επίλυσης προβλημάτων με επιλεγμένες μεθόδους τεχνητής νοημοσύνης (πχ. γενετικοί αλγόριθμοι, ασαφή λογική),
- θα ελέγχουν και θα διαχειρίζονται με συστηματικό τρόπο την Ασάφεια και την Αβεβαιότητα σε συστήματα κανόνων,
- θα γνωρίζουν σε εύρος και θα προσδιορίζουν τα σημασιολογικά δίκτυα, καθώς επίσης και θα εφαρμόζουν συμπερασματολογία σε αυτά,
- θα κατέχουν εξειδικευμένες γνώσεις στη Μηχανική Μάθηση και στα Νευρωνικά Δίκτυα.,
- θα μπορούν να εφαρμόζουν με ευχέρεια και πρωτοτυπία τις μεθόδους και τεχνικές της Τεχνητής Νοημοσύνης στις έρευνες, μελέτες και εργασίες τους με κριτικό και δημιουργικό τρόπο,
- θα μπορούν να επιδεικνύουν κριτική κατανόηση στον τρόπο διασύνδεσης των εννοιών και μεθόδων Τεχνητής Νοημοσύνης και Έμπειρων Συστημάτων με ποικίλους γνωστικούς τομείς,
- θα μπορούν να εφαρμόζουν μεθόδους και τεχνικές της Τεχνητής Νοημοσύνης για την επίλυση σύνθετων ζητημάτων στο χώρο εργασίας με επιστημονικά τεκμηριωμένο τρόπο,
- θα μπορούν να αναπτύσσουν με αυτονομία τις σχετικές με την Τεχνητή Νοημοσύνη και τα Έμπειρα Συστήματα γνώσεις και ικανότητές τους,
- θα μπορούν να επιλύουν προβλήματα και να λαμβάνουν στρατηγικές αποφάσεις με αφετηρία την επαγωγική σκέψη βασιζόμενοι στις μεθόδους Τεχνητής Νοημοσύνης.
Human-Computer Interaction
Course Code ΜΠΠΛΑΑΥ01
Course Type Obligatory
Teaching Hours 3
ECTS: 5
- Σχεδιασμός του συστήματος διεπαφής με τον χρήστη.
- Η ανθρώπινη πλευρά στην αλληλεπίδραση.
- Κλασσικά και σύγχρονα μέσα επικοινωνίας του υπολογιστή.
- Μοντέλα αλληλεπίδρασης και μοντέλα για τον χρήστη.
- Στόχοι, μέθοδοι, ανάλυση εργασιών.
- Χρηστικότητα, φιλικότητα λογισμικού.
Με την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές/τριες θα είναι σε θέση να:
- Να έχουν εξειδικευμένη γνώση, να κατανοούν και να εξηγούν τις αρχές του σχεδιασμού ενός συστήματος διεπαφής.
- Να σχεδιάζουν με ευχέρεια εύχρηστα συστήματα διεπαφής με τους χρήστες για οποιαδήποτε εφαρμογή.
- Να υλοποιούν με πρωτοτυπία συστήματα διεπαφής με τους χρήστες σε κάποια οπτική γλώσσα προγραμματισμού.
- Να αξιολογούν την ευχρηστία των συστημάτων διεπαφής που έχουν αναπτυχθεί από άλλους.
- Να προσδιορίζουν τις δυνατότητες και ικανότητες που μπορεί κανείς να περιμένει από τους ανθρώπους χρήστες για σχεδιασμό βελτιωμένων, μελλοντικών αλληλεπιδραστικών συστημάτων.
- Να κατανοούν και να ταξινομούν εργασίες ιεραρχικά
- Να εφαρμόζουν με ευχέρεια την ιεραρχική ανάλυση εργασιών.
- Να αντιλαμβάνονται τη σημαντικότητα της ύπαρξης βοήθειας σε ένα αλληλεπιδραστικό σύστημα διεπαφής.
- Να αναγνωρίζουν τις μορφές βοήθειας που μπορεί να παρέχεται σε ένα αλληλεπιδραστικό σύστημα διεπαφής.
- Να σχεδιάζουν και να αναπτύσσουν εύχρηστη βοήθεια σε ένα αλληλεπιδραστικό σύστημα διεπαφής.
- Να αναγνωρίζουν τα διάφορα εγχειρίδια χρήσης που συνοδεύουν ένα αλληλεπιδραστικό λογισμικό.
- Να αναλύουν με κριτική σκέψη και να συνθέτουν ευκρινείς οδηγίες χρήσης σε αλλλεπιδραστικά λογισμικά .
- Να συντάσσουν, με βάση τα παραπάνω, τα απαραίτητα εγχειρίδια χρήσης που συνοδεύουν ένα αλληλεπιδραστικό λογισμικό.
- Να διαθέτουν ευρεία γνώση, κατανοούν και εξηγούν θεωρητικά μοντέλα αλληλεπίδρασης.
- Να κατανοούν και να υλοποιούν τα στάδια του μοντέλου του Norman.
- Να αναλύουν εναλλακτικούς τρόπους σχεδιασμού αλληλεπιδράσεων ενός συστήματος διεπαφής σύμφωνα με το μοντέλο του Νόρμαν.
- Να προτείνουν με πρωτοτυπία και να αξιολογούν εναλλακτικούς τρόπους σχεδιασμού αλληλεπιδράσεων ενός συστήματος διεπαφής.
- Να εφαρμόζουν με ευχέρεια και πρωτοτυπία τις αρχές του σχεδιασμού ενός συστήματος διεπαφής στις έρευνες, μελέτες και εργασίες τους με κριτικό και δημιουργικό τρόπο.
- Να επιδεικνύουν κριτική κατανόηση στον τρόπο διασύνδεσης των αρχών του σχεδιασμού ενός συστήματος διεπαφής με ποικίλους γνωστικούς τομείς.
- Να εφαρμόζουν τις αρχές του σχεδιασμού ενός συστήματος διεπαφής για την επίλυση σύνθετων ζητημάτων στο χώρο εργασίας με επιστημονικά τεκμηριωμένο τρόπο.
- Να αναπτύσσουν με αυτονομία τις σχετικές με τον αποτελεσματικό τρόπο σχεδιασμού ενός συστήματος διεπαφής γνώσεις και ικανότητές τους.
- Να επιλύουν προβλήματα και να λαμβάνουν στρατηγικές αποφάσεις με αφετηρία την επαγωγική σκέψη βασιζόμενοι στις αρχές του σχεδιασμού ενός συστήματος διεπαφής.
Rapid Application Development
Course Code ΜΠΠΛΤΑΕ01
Course Type Obligatory
Teaching Hours 3
ECTS: 5
Αντικείμενο του μαθήματος είναι η ανάπτυξη εφαρμογών βάσει του αντικειμενοστρεφούς μοντέλου ανάπτυξης λογισμικού. Η γλώσσα προγραμματισμού που χρησιμοποιείται ως βάση είναι η C#, που θεωρείται από τις πλέον σύγχρονες αντικειμενοστρεφείς γλώσσες. Στο πλαίσιο του μαθήματος δίνεται ιδιαίτερη έμφαση στα εργαλεία ανάπτυξης εφαρμογών, ολοκληρωμένα περιβάλλοντα ανάπτυξης (IDEs) και συγκεκριμένα το εργαλείο που χρησιμοποιείται είναι το Visual Studio Enterprise Edition. Με τη χρήση του Visual Studio και της C# ως γλώσσας προγραμματισμού, οι φοιτητές μαθαίνουν να αναπτύσσουν desktop, web, ή/και mobile εφαρμογές, γρήγορα, αποδοτικά και κυρίως με την όσο το δυνατόν μικρότερη πιθανότητα να κάνουν λάθη προγραμματισμού ή/και λογικής.
Με την επιτυχή ολοκλήρωση αυτού του μαθήματος ο/η φοιτητής/τρια θα είναι σε θέση να:
- Χρησιμοποιεί με ευχέρεια ολοκληρωμένα περιβάλλοντα ανάπτυξης λογισμικού
- Παράγει εφαρμογές με αποδοτικό και ταχύ ρυθμό
- Γνωρίζει σε εύρος τις βασικές αρχές της γλώσσας C#
- Κάνει αποσφαλμάτωση λογισμικού με τα πλέον σύγχρονα εργαλεία
- Αναπτύσσει λογισμικό με πρωτοτυπία για ένα μεγάλο πλήθος από πεδία, συμπεριλαμβανομένων των παραθυρικών εφαρμογών, των εφαρμογών κονσόλας, των εφαρμογών web και των mobile εφαρμογών
- Εκτίθεται σε σύγχρονες τεχνικές προγραμματισμού με στόχο την ποιότητα του παραγόμενου λογισμικού, καθώς και την ταχύτητα ανάπτυξης σύνθετων και πολύπλοκων προγραμμάτων/έργων
- Μαθαίνει να αξιολογεί με κριτική σκέψη και να εντοπίζει λογισμικό υλοποιημένο με εργαλεία οπτικού προγραμματισμού
- Να εφαρμόζουν με ευχέρεια και πρωτοτυπία τις γνώσεις για ανάπτυξη αποδοτικών και με ταχύ ρυθμό εφαρμογών στις έρευνες, μελέτες και εργασίες τους με κριτικό και δημιουργικό τρόπο.
- Να επιδεικνύουν κριτική κατανόηση στον τρόπο διασύνδεσης των γνώσεων για ανάπτυξη αποδοτικών και με ταχύ ρυθμό εφαρμογών με ποικίλους γνωστικούς τομείς,
- Να εφαρμόζουν τις γνώσεις για ανάπτυξη αποδοτικών και με ταχύ ρυθμό εφαρμογών για την επίλυση σύνθετων ζητημάτων στο χώρο εργασίας με επιστημονικά τεκμηριωμένο τρόπο,
- Να αναπτύσσουν με αυτονομία τις σχετικές με την ανάπτυξη αποδοτικών και με ταχύ ρυθμό εφαρμογών γνώσεις και ικανότητές τους,
- Να επιλύουν προβλήματα και να λαμβάνουν στρατηγικές αποφάσεις με αφετηρία την επαγωγική σκέψη βασιζόμενοι στις γνώσεις για ανάπτυξη αποδοτικών και με ταχύ ρυθμό εφαρμογών.
Elective Courses
Graph Theory and Applications
Course Code MPPLSA01
Course Type Elective
Teaching Hours 3
ECTS: 5
Introduction.Undirected Graphs:Basic Definitions and Results. Isomorphism. Graph Operations. Connectivity. Bipartite Graphs. Planarity. Adjacency Matrix. Mapping of a Graph. Chromatic Number. Independence – Covering. Cost. Labelled Graphs. Multigraphs.Trees:Basic Definitions and Results. Ordered Trees. Binary Trees. Traversal of Ordered and Binary Trees. Dominating Sequences. Enumeration of Trees.Directed Graphs:Basic Definitions and Results. Adjacency Matrix. Mapping. Operations. Kernel. Basis.Applications:Decision Trees. Trees and Operations. Depth First Search – Topological Ordering. Demoucron Method. Application to Time Scheduling Problems.
After successfully completing this course, students are expected to have acquired the basic knowledge of Graph Theory, through the basic definitions that are given, some important results that are presented and finally through some applications of Graph Theory to Mathematics, Algorithms, and to other topics in Computer Science.
Manes Konstantinos
–
Linear Programming
Course Code MPPLGP01
Course Type Elective
Teaching Hours 3
ECTS: 5
The course introduces the general LP problem and its mathematical representation and provides a deep insight to the simplex method, duality and sensitivity analysis of the optimal solution, and to special LP problems and solution methods, such as the transportation problem, the assignment problem and other network problems, such as the maximal flow and the shortest route problem.
The resource allocation problem. Mathematical modeling of the linear programming problem. Modeling resource allocation problems via linear programming. Linear programs with two variables- graphical representation and solution. Simplex method. Simplex algorithm. Duality in linear programming. Sensitivity analysis. Integer programming: the branch-and-bound method. The transportation and the supply chain problems. Network optimization. The assignment problem. The network flow problem. The shortest route problem. The minimal spanning tree problem.
Despotis Dimitrios
702/Lam.126
+302104142411
Multimedia Signals and Systems
Course Code MPPLPSS01
Course Type Elective
Teaching Hours 3
ECTS: 5
The topic of systems and systems has been growing with a fast and continuous rate for the last decades and is a fundamental topic in many undergraduate courses internationally, including study programs in informatics. In parallel, it lays the foundation of the teaching of more advanced and specialized technological courses, such as Pattern Recognition, Image Analysis, Computer Vision, Telecommunication Systems, Computer Networks, Multimedia Systems and Voice Recognition.
Το περιεχόμενο του μαθήματος χωρίζεται στις ακόλουθες 7 ενότητες:
ΕΝΟΤΗΤΑ 1: Εισαγωγή στις έννοιες του σήματος και του συστήματος, παραδείγματα σημάτων και συστημάτων στην Πληροφορική, ταξινόμηση σημάτων, βασικές ιδιότητες συστημάτων
ΕΝΟΤΗΤΑ 2: Μετασχηματισμοί σημάτων
ΕΝΟΤΗΤΑ 3: Δειγματοληψία και κβάντωση σημάτων
ΕΝΟΤΗΤΑ 4: Γραμμικά, χρονικά αναλλοίωτα συστήματα
ΕΝΟΤΗΤΑ 5: Συστήματα επικοινωνίας και διαμόρφωση
ΕΝΟΤΗΤΑ 6: Ψηφιακά συστήματα επικοινωνίας
ΕΝΟΤΗΤΑ 7: Το προγραμματιστικό περιβάλλον MATLAB
Με την επιτυχή ολοκλήρωση του μαθήματος ο/η φοιτητής/φοιτήτρια θα είναι σε θέση:
- Να κατανοεί και να προσδιορίζει με ευχέρεια τις έννοιες του σήματος και του συστήματος
- Να ταξινομεί τα σήματα σε αναλογικά ή ψηφιακά και συνεχούς ή διακριτού χρόνου
- Να αναγνωρίζει και να διερευνά τις βασικές ιδιότητες συστημάτων, όπως γραμμικότητα, αιτιατότητα, χρονική (α)μεταβλητότητα, κ.ά.
- Να προσδιορίζει την έννοια του συνεχούς και διακριτού μετασχηματισμού Fourier
- Να σχεδιάζει και να υλοποιεί με πρωτοτυπία τη διαδικασία της (περιοδικής) δειγματοληψίας
- Να εφαρμόζει τη διαδικασία της (ομοιόμορφης-γραμμικής) κβάντωσης
- Να ορίζει τις έννοιες της συνέλιξης, της κρουστικής απόκρισης και της συνάρτησης μεταφοράς γραμμικών, χρονικά αναλλοίωτων συστημάτων
- Να γνωρίζει και να διαχειρίζεται με ευχέρεια Αναλογικά και Ψηφιακά Συστήματα Επικοινωνίας
- Να χρησιμοποιεί Αναλογική Διαμόρφωση : Εύρους, Γωνίας (φάσης, συχνότητας), Παλμών
- Να είναι γνώστης της Πολύπλεξης
- Να αναλύει και να διερευνά τη Συμπεριφορά συστημάτων παρουσία θορύβου
- Να διακρίνει και να αναπτύσσει Παλμοκωδική διαμόρφωση
- Να εφαρμόζει το θεώρημα Shannon Hartley
- Να ανιχνεύει τα δυαδικά σήματα
- Να προγραμματίζει και να υλοποιεί με ευχέρεια Μετάδοση στη βασική ζώνη
- Να χρησιμοποιεί Ζωνοπερατές ψηφιακές τεχνικές διαμόρφωσης
- Να προγραμματίζει με πρωτοτυπία στο περιβάλλον MATLAB (ή αντίστοιχο)
- Να εφαρμόζουν με ευχέρεια και πρωτοτυπία τις σχετικές με τα πολυμεσικά σήματα και συστήματα γνώσεις στις έρευνες, μελέτες και εργασίες τους με κριτικό και δημιουργικό τρόπο.
- Να επιδεικνύουν κριτική κατανόηση στον τρόπο διασύνδεσης των σχετικών με τα πολυμεσικά σήματα και συστήματα γνώσεων με ποικίλους γνωστικούς τομείς.
- Να εφαρμόζουν τις σχετικές με τα πολυμεσικά σήματα και συστήματα γνώσεις για την επίλυση σύνθετων ζητημάτων στο χώρο εργασίας με επιστημονικά τεκμηριωμένο τρόπο.
- Να αναπτύσσουν με αυτονομία τις σχετικές με τα πολυμεσικά σήματα και συστήματα γνώσεις και ικανότητές τους.
- Να επιλύουν προβλήματα και να λαμβάνουν στρατηγικές αποφάσεις με αφετηρία την επαγωγική σκέψη βασιζόμενοι τις σχετικές με τα πολυμεσικά σήματα και συστήματα γνώσεις.
Special Topics in Combinatorial Analysis
Course Code MPPLETHSA01
Course Type Elective
Teaching Hours 3
ECTS: 5
1. Combinatorial objects and parameters,
Πιο αναλυτικά στο περιεχόμενο του συγκεκριμένου μαθήματος εντοπίζονται τα εξής:
Συνδυαστικά αντικείμενα και παράμετροι,
Γεννήτριες συναρτήσεις (συνήθεις, εκθετικές, πολλών μεταβλητών),
Εισαγωγή στις τεχνικές κατασκευής συνδυαστικών αντικειμένων (backtracking κώδικες Gray, ranking-unranking),
Απαρίθμηση και αλγόριθμοι κατασκευής για σύνολα, διατάξεις, μεταθέσεις, συνδυασμοί, διαμερίσεις συνόλου, δένδρα, μονοπάτια, μη τεμνόμενες διαμερίσεις συνόλων, διαμερίσεις ακεραίων,
Young tableaux, αλγόριθμος RSK, απαριθμήσεις Young tableaux, τύποι hook-length,
Μερικές διατάξεις – Δικτυωτά (αλυσίδες, αντιαλυσίδες, γραμμικές επεκτάσεις, συνάρτηση Mobius, αντιστροφή),
Διαδρομές σε γραφήματα: Η μέθοδος transfer-matrix, το Λήμμα Gessel-Viennot,
Απαρίθμηση με συμμετρίες: Μέθοδος Polya
Με την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές:
- θα είναι σε θέση να χρησιμοποιούν με ευχέρεια τα βασικά εργαλεία απαρίθμησης, όπως οι γεννήτριες συναρτήσεις και η θεωρία Polya για την επίλυση προβλημάτων που εμφανίζονται συχνά στην Πληροφορική.
- Θα γνωρίζουν τις βασικές τεχνικές κατασκευής συνδυαστικών αντικειμένων
- Θα μπορούν να σχεδιάζουν με πρωτοτυπία και να υλοποιούν αλγόριθμους για την αποτελεσματική κατασκευή συνδυαστικών αντικειμένων.
- Θα μπορούν να σχεδιάσουν και να κατασκευάσουν με ευχέρεια αποδοτικά τα βασικά συνδυαστικά αντικείμενα, τα οποία εμφανίζονται συχνά σε αλγορίθμους αναζήτησης λύσεων σε προβλήματα βελτιστοποίησης, σε προβλήματα μεγάλων διακριτών δομών (διαδίκτυο, DNA, δευτεροταγείς δομές, ανθρώπινος εγκέφαλος) καθώς και στην ανάλυση πολυπλοκότητας αλγορίθμων.
- θα μπορούν να εφαρμόζουν με ευχέρεια και πρωτοτυπία θεωρήματα, τεχνικές και αλγορίθμους συνδυαστικής ανάλυσης στις έρευνες, μελέτες και εργασίες τους με κριτικό και δημιουργικό τρόπο.
- θα μπορούν να επιδεικνύουν κριτική κατανόηση στον τρόπο διασύνδεσης των σχετικών με την συνδυαστική ανάλυση γνώσεων με ποικίλους γνωστικούς τομείς.
- θα μπορούν να εφαρμόζουν τα θεωρήματα, τις τεχνικές και τους αλγορίθμους συνδυαστικής ανάλυσης για την επίλυση σύνθετων ζητημάτων στο χώρο εργασίας με επιστημονικά τεκμηριωμένο τρόπο.
- θα μπορούν να αναπτύσσουν με αυτονομία τις σχετικές με την συνδυαστική ανάλυση γνώσεις και ικανότητές τους.
- θα μπορούν να επιλύουν προβλήματα και να λαμβάνουν στρατηγικές αποφάσεις με αφετηρία την επαγωγική σκέψη βασιζόμενοι στα θεωρήματα και στις τεχνικές της συνδυαστικής ανάλυσης.
Fountas Evangelos
–
Μ. Χαλικιάς
Professor