προπτυχιακες
σπουδες

στο Τμήμα Πληροφορικής του Πανεπιστημίου Πειραιώς

Μαθήματα 5ου εξαμήνου ΠΠΣ

Αλληλεπίδραση Ανθρώπου και Υπολογιστή

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Υποχρεωτικό Κορμού
Κατεύθυνση:
Ώρες Διδασκαλίας: 4 Θεωρία + 2 Εργαστήριο
ECTS: 5

Βασικά περιεχόμενο μαθήματος:
1. Σχεδιασμός του συστήματος διεπαφής με τον χρήστη.
2. Η ανθρώπινη πλευρά στην αλληλεπίδραση.
3. Κλασσικά και σύγχρονα μέσα επικοινωνίας του υπολογιστή.
4. Μοντέλα αλληλεπίδρασης και μοντέλα για τον χρήστη.
5. Στόχοι, μέθοδοι, ανάλυση εργασιών.
6. Χρηστικότητα, φιλικότητα λογισμικού.

Με την ολοκλήρωση του μαθήματος οι φοιτητές/τριες θα είναι σε θέση:
• Να γνωρίζουν, να κατανοούν και να εξηγούν τις αρχές του σχεδιασμού ενός συστήματος διεπαφής.
• Να σχεδιάζουν εύχρηστα συστήματα διεπαφής με τους χρήστες για οποιαδήποτε εφαρμογή.
• Να υλοποιούν 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 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 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 γνωρίζουν, 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 και να αξιολογούν εναλλακτικούς τρόπους σχεδιασμού αλληλεπιδράσεων ενός συστήματος διεπαφής.

Καθηγήτρια
507/ΚΕΚΤ
+30.210.4142269

Πληροφοριακά Συστήματα

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Υποχρεωτικό Κορμού
Κατεύθυνση:
Ώρες Διδασκαλίας: 4 Θεωρία
ECTS: 5

Το μάθημα αποσκοπεί στην κατανόηση των Πληροφοριακών Συστημάτων (ΠΣ). Καλύπτει το θέμα τόσο από διοικητική και οργανωτική διάσταση (Management Information Systems, MIS), όσο και από σχεδιαστική και τεχνική διάσταση (Systems Analysis & Design, SAD).
Οι φοιτητές θα γνωρίσουν ποια είναι τα συστατικά στοιχεία ενός ΠΣ και ποιοι είναι οι κυριότεροι τύποι πληροφοριακών συστημάτων που χρησιμοποιούνται από τους οργανισμούς και τις επιχειρήσεις σήμερα. Οι φοιτητές θα γνωρίσουν τις μεθοδολογίες ανάλυσης απαιτήσεων και το μετασχηματισμό τους σε σχεδίαση συστήματος.
Τέλος, θα μάθουν να χρησιμοποιούν τη UML για να κατασκευάζουν διάφορα μοντέλα ΠΣ και θα δουν πώς αυτά οδηγούν την ανάπτυξη του λογισμικού.

Βασικά περιεχόμενα μαθήματος:
1. Βασικές Έννοιες της Πληροφορίας
2. Τα συστατικά στοιχεία ενός ΠΣ
3. Οι κυριότεροι τύποι ΠΣ
4. Μεθοδολογίες ανάλυσης απαιτήσεων και μετασχηματισμός τους σε σχεδίαση συστήματος
5. Ανάπτυξη ΠΣ και testing
6. Χρήση της UML για την κατασκευή διαφόρων μοντέλων ΠΣ
7. Ανάλυση περιπτώσεων χρήσης (case studies)

Με την ολοκλήρωση του μαθήματος οι φοιτητές/τριες αναμένεται ότι :
• θα αναγνωρίζουν το ρόλο και την επίδραση των πληροφοριακών συστημάτων στις λειτουργίες των επιχειρήσεων,
• θα κατανοούν την έννοια των Πληροφοριακών Συστημάτων (ΠΣ), τόσο από διοικητική και οργανωτική διάσταση (Management Information Systems, MIS), όσο και από σχεδιαστική και τεχνική διάσταση (Systems Analysis & Design, SAD),
• θα διακρίνουν τα συστατικά στοιχεία ενός ΠΣ και τους κυριότερους τύπους πληροφοριακών συστημάτων που χρησιμοποιούνται από τους οργανισμούς και τις επιχειρήσεις σήμερα,
• θα γνωρίζουν τις μεθοδολογίες ανάλυσης απαιτήσεων και το μετασχηματισμό τους σε σχεδίαση συστήματος,
• θα μπορούν να χρησιμοποιούν τη UML για να κατασκευάζουν διάφορα μοντέλα ΠΣ,
• θα εμβαθύνουν στους τρόπους με τους οποίους τα προηγούμενα οδηγούν την ανάπτυξη του λογισμικού,
• θα προσδιορίζουν τις βασικές αρχές της σχεδίασης και ανάπτυξης ΠΣ,
• θα διασαφηνίζουν τις βασικές μεθοδολογίες σχεδίασης και ανάπτυξης ΠΣ,
• θα γνωρίζουν μία σειρά από πληροφοριακά συστήματα που εφαρμόζονται στα πλαίσια της «ψηφιακής επιχείρησης», π.χ. Συστήματα Διαχείρισης Επιχειρησιακών Πόρων (ERP), Συστήματα Διαχείρισης Σχέσεων με τους Πελάτες (CRM), Συστήματα Διαχείρισης Εφοδιαστικής Αλυσίδας (SCM), Συστήματα Υποστήριξης Αποφάσεων.

303/ΓΛ126
Τηλέφωνο/Fax:+30 210 4142578

Αναγνώριση Προτύπων

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Υποχρεωτικό Κορμού
Κατεύθυνση:
Ώρες Διδασκαλίας: 4 Θεωρία
ECTS: 5

Αναγνώριση Προτύπων (pattern recognition) είναι η επιστημονική περιοχή που έχει στόχο την ταξινόμηση αντικειμένων σε κατηγορίες (κλάσεις) και συμπεριλαμβάνει το επιστημονικό πεδίο της Μηχανικής Μάθησης (machine learning). Σκοπός, επομένως, του παρόντος μαθήματος είναι να παρουσιάσει με ενιαίο τρόπο τις ευρύτερα χρησιμοποιούμενες τεχνικές και μεθοδολογίες για προβλήματα αναγνώρισης προτύπων.
Το περιεχόμενο του μαθήματος χωρίζεται σε οκτώ ενότητες και κάθε ενότητα πραγματοποιείται σε μία ή περισσότερες διαλέξεις.

Ενότητα 1: Εισαγωγή στην Αναγνώριση Προτύπων

Ενότητα 2: Ταξινομητές που βασίζονται στη θεωρία αποφάσεων του Bayes:
Θεωρία Αποφάσεων του Bayes, H Γκαουσσιανή Συνάρτηση Πυκνότητας Πιθανότητας, Ταξινομητές Ελάχιστης Απόστασης, Ταξινομητής Ευκλείδειας Απόστασης, Ταξινομητής Mahalanobis Απόστασης, Εκτίμηση Μέγιστης Πιθανοφάνειας των παραμέτρων της Γκαουσσιανής Συνάρτησης Πυκνότητας Πιθανότητας
Μοντέλα Μίξης, Ο Αλγόριθμος Expectation-Maximization, Παράθυρα Parzen
Εκτίμηση Πυκνότητας Πιθανότητας με βάση τους k-πλησιέστερους γείτονες, Ο Ταξινομητής Naive Bayes, Ο Ταξινομητής Πλησιέστερων Γειτόνων

Ενότητα 3: Ταξινομητές που βασίζονται στη Βελτιστοποίηση Συνάρτησης Κόστους:
Ο αλγόριθμος Perceptron, H online έκδοση του αλγόριθμου Perceptron, Ταξινομητής Ελάχιστου Τετραγωνικού Σφάλματος, Περίπτωση πολλών κλάσεων, Μηχανές Διανυσματικής Στήριξης (ΜΔΣ/SVM): Η γραμμική περίπτωση, Επεκτάσεις για την περίπτωση πολλών κλάσεων, SVM: Η μη γραμμική περίπτωση, Ο Αλγόριθμος Perceptron με χρήση Πυρήνων, O Αλγόριθμος AdaBoost, Πολυστρωματικά Δίκτυα Perceptrons

Ενότητα 4: Μετασχηματισμοί Δεδομένων: Γένεση Χαρακτηριστικών και Μείωση Αριθμού Διαστάσεων:
Ανάλυση σε Κύριες Συνιστώσες (PCA), Ανάλυση σε Ιδιάζουσες Τιμές (SVD), Ανάλυση Γραμμικής Διάκρισης κατά Fisher, Ανάλυση σε Κύριες Συνιστώσες με Χρήση Πυρήνων, Μέθοδος Χαρτογράφησης Ιδιοτιμών του Laplacian Μητρώου

Ενότητα 5: Επιλογή Χαρακτηριστικών:
Αποκοπή Ακραίων Τιμών, Κανονικοποίηση Δεδομένων, Έλεγχος Υποθέσεων: t-Test,
Καμπύλη Receiver Operating Characteristic, Λόγος Διάκρισης κατά Fisher, Μέτρα Διαχωριστικής Ικανότητας μεταξύ κλάσεων, Απόκλιση, Απόσταση Bhattacharya και Φράγμα Chernoff, Μέτρα βασισμένα σε Μητρώα Διασποράς, Επιλογή Υποσυνόλου Χαρακτηριστικών, Βαθμωτή Επιλογή Χαρακτηριστικών, Διανυσματική Επιλογή Χαρακτηριστικών

Ενότητα 6: Σύγκριση με Πρότυπα Αναφοράς: Απόσταση Edit, Σύγκριση Ακολουθιών Πραγματικών Αριθμών, Δυναμική Χρονική Στρέβλωση στα πλαίσια της Αναγνώρισης Φωνής

Ενότητα 7: Κρυφά Μοντέλα Markov: Μοντελοποίηση, Αναγνώριση και Εκπαίδευση

Ενότητα 8: Ομαδοποίηση: Βασικές Έννοιες και Ορισμοί, Αλγόριθμοι Ομαδοποίησης, Ακολουθιακοί Αλγόριθμοι, Αλγόριθμος BSAS, Βελτίωση Ομαδοποίησης, Αλγόριθμοι Ομαδοποίησης Βασιζόμενοι στη Βελτιστοποίηση Συνάρτησης Κόστους, Αλγόριθμοι Σαφούς Ομαδοποίησης, Αλγόριθμοι Μη-Σαφούς Ομαδοποίησης, Άλλοι Αλγόριθμοι Ομαδοποίησης, Αλγόριθμοι Ιεραρχικής Ομαδοποίησης, Γενικό Σχήμα Συγχώνευσης, Εξειδικευμένοι Αλγόριθμοι Συγχώνευσης, Επιλογή της καλύτερης Ομαδοποίησης

Αναγνώριση Προτύπων (pattern recognition) είναι η επιστημονική περιοχή που έχει στόχο την ταξινόμηση αντικειμένων σε κατηγορίες (κλάσεις) και συμπεριλαμβάνει το επιστημονικό πεδίο της Μηχανικής Μάθησης (machine learning). Σκοπός, επομένως, του παρόντος μαθήματος είναι να παρουσιάσει με ενιαίο τρόπο τις ευρύτερα χρησιμοποιούμενες τεχνικές και μεθοδολογίες για προβλήματα αναγνώρισης προτύπων.

Με την επιτυχή́ ολοκλήρωση του μαθήματος ο φοιτητής θα είναι σε θέση:
• Να διαθέτει προχωρημένες γνώσεις σε αλγορίθμους, τεχνικές και μεθοδολογίες αναγνώρισης προτύπων, όπως στην Μπεϋζιανή θεωρία ταξινόμησης, σε γραμμικούς και μη γραμμικούς ταξινομητές, σε Νευρωνικά δίκτυα, σε Κρυφά Μοντέλα Markov, σε αλγορίθμους ομαδοποίησης και τεχνικές επιλογής χαρακτηριστικών και μείωσης αριθμού διαστάσεων δεδομένων.
• Να αντιλαμβάνεται πώς συνδυάζονται γνώσεις πιθανοτήτων, στατιστικής, γραμμικής άλγεβρας και βελτιστοποίησης για τη δημιουργία αλγορίθμων αναγνώρισης προτύπων.
• Να αναλύει προβλήματα πραγματικών δεδομένων (ανοικτής πρόσβασης), στα οποία απαιτείται η σχεδίαση/ανάπτυξη/υλοποίηση συστημάτων ταξινόμησης αντικειμένων.
• 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 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 ταξινόμησης αντικειμένων.
• Να εκτιμά και να επαναχρησιμοποιεί υφιστάμενες υλοποιήσεις συναρτήσεων ανοιχτού κώδικα, σχετικών με το πεδίο της αναγνώρισης προτύπων, όπως των συναρτήσεων της βιβλιοθήκης scikit-learn. • Να διακρίνει έννοιες συναφείς της αναγνώρισης προτύπων, στα συγγενή επιστημονικά πεδία της Μηχανικής Μάθησης, της Ανάλυσης Δεδομένων και της Τεχνητής Νοημοσύνης.

302, κεντρικό κτίριο
+302104142322

543/ΚΕΚΤ
+30 210 4142314

Επιστημονική Συγγραφή στην Εκπαίδευση

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Υποχρεωτικό Κορμού
Κατεύθυνση:
Ώρες Διδασκαλίας: 4 Θεωρία
ECTS: 5

1. Δήλωση θέματος Πτυχιακής (ερευνητικό σχέδιο, τίτλος, πλάνο, προβληματική και ενδιαφέρον του θέματος, σκοπός και ερευνητικές υποθέσεις, θεωρητικό πλαίσιο. Διερεύνηση και οριοθέτηση του ερευνητικού θέματος, προτεινόμενος τύπος έρευνας, προσδοκώμενα αποτελέσματα, ενδεικτική βιβλιογραφία)
2. Υποχρεωτικά μέρη εργασίας και ανάλυση αυτών (πρόλογος, πίνακας περιεχομένων, περίληψη, λέξεις κλειδιά. Πίνακας Συντμήσεων, εισαγωγή, κυρίως θέμα, ανάπτυξη θέματος. Συμπέρασμα, επίλογος, προτάσεις -υποδείξεις, βιβλιογραφία, παράρτημα.
3. Μορφή Εργασίας
α. Η σελίδα του τίτλου
β. Σελίδες που ακολουθούν
γ. Πίνακας περιεχομένων
δ. Κυρίως θέμα
ε. Βιβλιογραφία
στ. παράρτημα (index, ευρετήριο)
4. Υποστήριξη και αξιολόγηση της εργασίας
5. Βιβλιογραφία – Αναφορές (άρθρα περιοδικών, κεφάλαια συλλογικού έργου, συνέδρια, διατριβές, ηλεκτρονική βιβλιογραφία)

Με την ολοκλήρωση του μαθήματος οι φοιτητές/τριες αναμένεται ότι:
• θα έχουν εξοικειωθεί με τους τρόπους αναζήτησης, ιεράρχησης και αξιολόγησης της εγκυρότητας και της αξιοπιστίας διαφορετικών πηγών,
• θα είναι ικανοί να καταρτίσουν ένα επιστημονικό σχέδιο προσδιορίζοντας τα δομικά συστατικά του (προβληματική, γενικότερο ενδιαφέρον, ειδικός σκοπός, ερευνητικές υποθέσεις, θεωρητικό πλαίσιο, επιλογή ερευνητικής μεθοδολογίας κτλ.),
• θα μπορούν να συντάσσουν επιστημονικό κείμενο, συνθέτοντας στοιχεία από διαφορετικές ή/και αντικρουόμενες πηγές, προσεγγίζοντας κριτικά το επιστημονικό τους κύρος αλλά και το θέμα που εξυπηρετούν,
• θα αξιοποιούν τις διαφορετικές μεθόδους παράθεσης βιβλιογραφικών αναφορών, επιλέγοντας μια κάθε φορά, αναγνωρίζοντας την ενότητα στη μέθοδο βιβλιογραφικής παράθεσης ως απαράβατο κανόνα της επιστημονικής συγγραφής,
• θα οργανώνουν το υλικό τους τηρώντας τη γενικά αποδεκτή δομή μιας επιστημονικής εργασίας κατά τρόπο ομοιογενή και προσωπικό, στο βαθμό που αυτό δεν οδηγεί σε bias,
• θα προβαίνουν σε κριτική ανάλυση των αλληλοαντικρουόμενων πηγών, μετά τον έλεγχο των οποίων, θα διακρίνουν τις υποκειμενικές ή ατεκμηρίωτες από τις εμπειρικά τεκμηριωμένες,
• θα κατανοούν και θα τηρούν την επιστημονική δεοντολογία τόσο στις μεθόδους συλλογής στοιχείων, όσο και στην καθεαυτή συγγραφή της επιστημονικής εργασίας.

Ζέας 80-82, 4ος όροφος
+302104142176

Προηγμένη Αρχιτεκτονική Υπολογιστών

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Υποχρεωτικό Κατεύθυνσης
Κατεύθυνση: ΔΥΣ
Ώρες Διδασκαλίας: 4 Θεωρία
ECTS: 5

Το μάθημα αποτελεί συνέχεια του μαθήματος κορμού Αρχιτεκτονική Υπολογιστών και στοχεύει στην εμβάθυνση των φοιτητών σε θέματα οργάνωσης και σχεδίασης σύγχρονων επεξεργαστών υψηλής απόδοσης.

Θα δοθεί έμφαση στα παρακάτω θέματα:
1. Αύξηση της απόδοσης με τη χρήση της τεχνικής διοχέτευσης (pipelining).
2. Ιεραρχία μνήμης. Κρυφή μνήμη (cache memory). Εικονική μνήμη (virtual memory).
3. Συνδέσεις μεταξύ επεξεργαστή, μνήμης και συσκευών εισόδου /εξόδου.
4. Δυναμικός χρονοπογραμματισμός. Πρόβλεψη διακλάδωσης και εικασία.
5. Πολυνηματικοί και πολυπύρηνοι επεξεργαστές.

Μετά την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές:
• Θα έχουν κατανοήσει την αρχιτεκτονική των σύγχρονων επεξεργαστών.
• Θα γνωρίζουν τους βασικούς μηχανισμούς απόδοσης των σύγχρονων επεξεργαστών.
• Θα μπορούν να χρησιμοποιούν εργαλεία προσομοίωσης σύγχρονων επεξεργαστών και να εκτελούν προγράμματα συμβολικής γλώσσας.
• Θα μπορούν να αναλύσουν την απόδοση ενός προγράμματος και να σπαράσχουν στον προγραμματισή συμβουλές βελτιστοποίησης της.
• Θα μπορούν να εκτιμήσουν τις παραμέτρους που επηρεάζουν την απόδοση και την κατανάλωση ενέργειας ενός σύγχρονου υπολογιστή.
• Θα έχουν έρθει σε επαφή με σύγχρονα ερευνητικά ζητήματα στην περιοχή της.

302, Γ. Λαμπράκη 126
+302104142425

Προηγμένα Θέματα Επικοινωνιών

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Υποχρεωτικό Κατεύθυνσης
Κατεύθυνση: ΔΥΣ
Ώρες Διδασκαλίας: 4 Θεωρία + 2 Εργαστήριο
ECTS: 5

Συμβολή του μαθήματος στην κάλυψη των επαγγελματικών απαιτήσεων:
1. Οι φοιτητές εκτίθενται σε βασικές τεχνικές ασύρματης επικοινωνίας.
2. Οι φοιτητές εισάγονται σε διάφορους έννοιες των ασύρματων δικτύων και πρότυπων.
3. Οι φοιτητές μαθαίνουν να προσομοιώνουν ασύρματα δίκτυα και να αξιολογούν τα ευρήματά τους.

– 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/T2 και DVB-S/S2+, ανάλυση και σχεδίαση δορυφορικών ζεύξεων.
– Δίκτυα πολλαπλών βημάτων. Ασύρματα Δίκτυα Αισθητήρων (WSNs).
– Έλεγχος Ισχύος και Εξοικονόμηση Ενέργειας, Κατανομή Πόρων, Δρομολόγηση.

Με την επιτυχή ολοκλήρωση αυτής της ενότητας οι φοιτητές θα είναι σε θέση να:
• Προσδιορίσουν τις βασικές έννοιες των ασύρματων δικτύων.
• Εισάγουν διάφορα ασύρματα συστήματα και πρότυπα και τις βασικές περιπτώσεις της λειτουργίας τους.
• Γνωρίζει τις αρχές διάδοσης και διαμόρφωσης σημάτων και να διακρίνει τα είδη των παρεμβολών στο ασύρματο περιβάλλον των κινητών επικοινωνιών.
• Αναλύσουν θεωρίες κυκλοφορίας, και μοντέλα κινητής ραδιο-διάδοσης ραδιόφωνο, κωδικοποίησης καναλιού, και θέματα κυψελωτών επικοινωνιών.
• Μοντελοποιούν θέματα διάδοσης ραδιοσήματος και να αναλυθούν οι επιπτώσεις τους στην απόδοση του συστήματος επικοινωνιών.
• Κατανοήσουν τις τεχνικές κατανομής του ραδιοφάσματος σε συστήματα πολλαπλών χρηστών και τις επιπτώσεις τους στην χωρητικότητα των δικτύων.
• Συγκρίνουν και να αντιπαραβάλλουν τεχνικές πολλαπλής πρόσβασης σε συστήματα κινητών επικοινωνιών, καθώς σε ασύρματα δίκτυα.
• Κατηγοριοποιήσουν πρωτόκολλα δικτύου, ad hoc και δίκτυα αισθητήρων, ασύρματων ΜΑΝs, τοπικά δικτύων και τα PANs.
• Μάθουν να προσομοιώνουν ασύρματα δίκτυα και να αναλύει τα αποτελέσματα της προσομοίωσης.
• Αναλύουν και να προτείνουν ευρείες λύσεις για μια σειρά σεναρίων κινητών επικοινωνιών.

Καθηγητής
104/ΓΛ126
+30 210 4142479 | fax +30 210 4142119

Λογικός Προγραμματισμός

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Υποχρεωτικό Κατεύθυνσης
Κατεύθυνση: ΤΛΕΣ
Ώρες Διδασκαλίας: 2 Θεωρία + 2 Εργαστήριο
ECTS: 5

1. Προτασιακή και κατηγορηματική λογική και λογικός προγραμματισμός.
2. Κατηγορηματική λογική.
3. Αρχή της απόφασης και στρατηγικές της.
4. Μη μονότονη συμπερασματολογία και λογικός προγραμματισμός.
5. Η γλώσσα Prolog και απλές εφαρμογές της. Δομές δεδομένων στην Prolog.
6. Στρατηγική αναζήτησης στην Prolog. Αναδρομικός προγραμματισμός.
7. Διαζευκτικός λογικός προγραμματισμός. Λογικός προγραμματισμός περιορισμών.
8. Παράλληλος λογικός προγραμματισμός.
9. Μετα-λογικός προγραμματισμός.
10. Μετα-διερμηνείς και προχωρημένες εφαρμογές της Prolog.

Με την ολοκλήρωση του μαθήματος οι φοιτητές/τριες αναμένεται ότι :
• θα κατανοούν και θα εφαρμόζουν τις βασικές αρχές του λογικού προγραμματισμού,
• θα μπορούν να αναπτύξουν μια εφαρμογή σε περιβάλλον της γλώσσας Prolog,
• θα μπορούν να ενσωματώσουν Δομές Δεδομένων σε πρόγραμμα γραμμένο σε Prolog,
• θα γνωρίζουν και θα εφαρμόζουν στην πράξη στρατηγικές αναζήτησης σε προγράμματα γραμμένα σε Prolog,
• θα μπορούν να εφαρμόζουν τεχνικές αναδρομικού προγραμματισμού, διαζευκτικού λογικού προγραμματισμού, παράλληλου λογικού προγραμματισμού και μετα-λογικού προγραμματισμού,
• θα μπορούν να αναπτύσσουν μετα-διερμηνείς και άλλες προχωρημένες εφαρμογές χρησιμοποιώντας τη γλώσσα Prolog.

303, Γ. Λαμπράκη 126
+302104142476

Συστήματα Διαχείρισης Βάσεων Δεδομένων

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Υποχρεωτικό Κατεύθυνσης
Κατεύθυνση: ΠΣΥ, ΤΛΕΣ
Ώρες Διδασκαλίας: 4 Θεωρία + 2 Εργαστήριο
ECTS: 5

Το μάθημα προσφέρει γνώσεις σχετικά με την εσωτερική λειτουργία των Συστημάτων Διαχείρισης Βάσεων Δεδομένων (ΣΔΒΔ). Πιο συγκεκριμένα καλύπτονται τα εξής θέματα:
1. Φυσική οργάνωση ΒΔ (αρχεία και ευρετήρια).
2. Επεξεργασία και βελτιστοποίηση επερωτήσεων.
3. Διαχείριση δοσοληψιών (θέματα συνδρομικότητας και ανάνηψης).
4. Ειδικές αρχιτεκτονικές ΒΔ (κατανεμημένες, παράλληλες ΒΔ, αρχιτεκτονικές Big Data).
5. Εργαστηριακές ασκήσεις σε δύο δημοφιλή ΣΔΒΔ (PostgreSQL, MongoDB).

Μετά την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές:
• Θα αναγνωρίζουν θα κατανοούν τη φυσική οργάνωση και ενδεδειγμένη δομή των Συστημάτων Διαχείρισης Βάσεων Δεδομένων (ΣΔΒΔ), ως κομβικών συστατικών ενός Πληροφοριακού Συστήματος (ΠΣ).
• Θα είναι σε θέση να χρησιμοποιούν τη γνώση και την κατανόηση αυτή για να σχεδιάζουν και να αναπτύσσουν δράσεις προγραμματισμού των ΣΔΒΔ.
• Θα βελτιστοποιούν τις επερωτήσεις εφαρμόζοντας τεχνικές και μεθόδους αποτελεσματικής επεξεργασίας τους.
• Θα διαχειρίζονται αποτελεσματικά θέματα που σχετίζονται με τις δοσοληψίες.
• Θα αναγνωρίζουν τα χαρακτηριστικά των ειδικών αρχιτεκτονικών ΒΔ ανάλογα με τον τύπο τους.
• Θα οργανώνουν και θα δημιουργούν την υποδομή για την ορθή λειτουργία των ΠΣ.
• Θα υιοθετούν επικοινωνιακή και συνεργατική διάθεση, ως στοιχεία απαραίτητα για περαιτέρω επιστημονική ή επαγγελματική εξειδίκευση στο χώρο των ΒΔ.

501, κεντρικό κτίριο
+302104142449

Κρυπτογραφία

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Υποχρεωτικό Κατεύθυνσης
Κατεύθυνση:
Ώρες Διδασκαλίας: 4 Θεωρία
ECTS: 5

1. Εισαγωγή
2. Ιστορική εξέλιξη της κρυπτογραφίας
3. Επανάληψη του απαραίτητου μαθηματικού υπόβαθρου (Ομάδες, Πεπερασμένα σώματα, Δακτύλιοι Zp και Zn, Πράξεις με υπόλοιπα, Γενικευμένος αλγόριθμος του Ευκλείδη, συνάρτηση του Euler)
4. Αλγόριθμοι ιδιωτικού κλειδιού (Μονοαλφαβητική αντικατάσταση, One-Time-Pad, Αλγόριθμοι των : Καίσαρα, Vigenere, Hill)
5. Αλγόριμοι τμημάτων: καταστάσεις (cipher modes: ECB, CBC, OFB κτλ) DES, AES
6. Αλγόριθμοι ροής: PRNG vs TRNG, LFSR, RC4
7. Αλγόριθμοι δημοσίου κλειδιού (Αλγόριθμος RSA,Αλγόριθμος ελλειπτικών καμπυλών)
8. Ομομορφική κρυπτογραφία
9. Συναρτήσεις κατακερματισμού
10. Ψηφιακές Υπογραφές
11. Εφαρμογές της κρυπτογραφίας και πρωτόκολλα
12. Κρυπτανάλυση (Γραμμική και διαφορική κρυπτανάλυση, Αλγόριθμοι παραγοντοποίησης)
13. Θέματα υλοποίησης

Μετά την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές θα είναι σε θέση:
• Να αξιολογήσουν την ασφάλεια που προσφέρει ένας αλγόριθμος κρυπτογράφησης.
• Να διακρίνουν και να κατηγοριοποιούν τα είδη και τη χρήση των αλγόριθμων.
• Να επιλέξουν τον κατάλληλο αλγόριθμο και να διακρίνουν τις παραμέτρους της ορθής ταση λειτουργίας του για την επιτυχή εφαρμογή του.
• Να υλοποιήσουν έναν αλγόριθμο κρυπτογράφησης.
• Να κατανοούν σε βάθος τις εφαρμογές και τα πρωτόκολλα της κρυπτογραφίας.
• Να γνωρίζουν τις μεθόδους και παραμέτρους σχεδιασμού και ανάπτυξης πρωτοκόλλων.
• Να εντοπίζουν και να αξιολογούν πιθανά κενά ασφάλειας ενός πρωτοκόλλου.
• Να αξιοποιούν όλα τα παραπάνω για την ανάπτυξη και τον έλεγχο προγραμμάτων.

Θεωρία Παιγνίων και Εφαρμογές

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Επιλογής
Κατεύθυνση:
Ώρες Διδασκαλίας: 4 Θεωρία
ECTS: 5

Το μάθημα αποτελεί μια εισαγωγή στη Θεωρία Παιγνίων και στις Εφαρμογές της. Στόχος του μαθήματος είναι ο φοιτητής να μάθει τι πραγματεύεται αυτή η θεωρία, ποιος ο λόγος ύπαρξής της, καθώς και ποιές είναι οι μελλοντικές προοπτικές που έχει σε τομείς όπως η Πληροφορική.

Πιο συγκεκριμένα καλύπτει:
1. Γραμμικά Προγράμματα, Μέθοδος Simplex.
2. Εισαγωγή στη Θεωρία Παιγνίων, Μορφές παιγνίων.
3. Στρατηγικές, Κυρίαρχες στρατηγικές, Στρατηγική minimax, Μικτές στρατηγικές.
4. Παίγνια μη πλήρους πληροφόρησης.
5. Ισορροπία κατά Nash.

Μετά την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής:
• Θα γνωρίζει τα Γραμμικά Προγράμματα.
• Θα κατανοεί τη θεωρία των Παιγνίων.
• Θα εντοπίζει και θα διακρίνει τις μορφές Παιγνίων.
• Θα μπορεί να κατασκευάζει και να αναλύει απλά μοντέλα παιγνίων.
• Θα σχεδιάζει στρατηγικές γι’ αυτά τα παίγνια.
• Θα αναγνωρίζει σύγχρονα μοντέλα παιγνίων που αξιοποιούνται ήδη ή θα αξιοποιηθούν μελλοντικά στις εφαρμογές του τομέα της Πληροφορικής.

Φούντας Ευάγγελος

Ειδικά Θέματα Επιχειρησιακής Έρευνας

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Επιλογής
Κατεύθυνση:
Ώρες Διδασκαλίας: 4 Θεωρία
ECTS: 5

Το μάθημα εξετάζει ειδικά θέματα επιχειρησιακής έρευνας, ήτοι προβλήματα μη γραμμικού, ακέραιου και δυναμικού προγραμματισμού καθώς και τις αντίστοιχες τεχνικές και αλγορίθμους βελτιστοποίησης για την επίλυσή τους. Επίσης, εστιάζει στη διαχείριση αποθεμάτων και τη διοίκηση της εφοδιαστικής αλυσίδας. Πέραν της κατανόησης των βασικών εννοιών και της θεωρίας, στόχο του μαθήματος αποτελεί η εφαρμογή των μεθοδολογιών που εξετάζονται στο μάθημα σε πραγματικά προβλήματα.

Θεματικές Ενότητες

1. Κυρτή Βελτιστοποίηση
• Κυρτά σύνολα
• Κυρτό Περίβλημα (Convex Hull)
• Κυρτές και Κοίλες Συναρτήσεις
• Τοπικά και Ολικά Βέλτιστα
• Εφικτές λύσεις, Βέλτιστες λύσεις

2. Μη γραμμικός Προγραμματισμός
• Προβλήματα Κλασματικού Προγραμματισμού
• Προβλήματα Τετραγωνικού Προγραμματισμού
• Παραγώγιση Διανυσματικών Συναρτήσεων
• Μέθοδος Πολλαπλασιαστών Lagrange
• Συνθήκες Kuhn‐Tucker
• Δυϊκότητα – Χάσμα Δυϊκότητας
• Παραμετρικές Τεχνικές Επίλυσης-Προσεγγιστικοί Αλγόριθμοι
• Επίλυση προβλημάτων με τη χρήση λογισμικού βελτιστοποίησης (Excel και Μatlab)

3. Ακέραιος Προγραμματισμός και Συνδυαστική Βελτιστοποίηση
• Μοντελοποίηση προβλημάτων Ακέραιου και Μεικτού Ακέραιου Προγραμματισμού
• Αλγόριθμοι Ακέραιου Προγραμματισμού
• Ευρετικοί Αλγόριθμοι
• Εφαρμογές Ακέραιου Προγραμματισμού
• Επίλυση προβλημάτων με τη χρήση λογισμικού βελτιστοποίησης (Excel και Μatlab)

4. Δυναμικός Προγραμματισμός
• Αρχή Βελτιστότητας Bellman
• Σύνθετος Δυναμικός Προγραμματισμός (bottom-up)
• Αναλυτικός Δυναμικός Προγραμματισμός (top-down)
• Πρόβλημα Παραγωγής, Αποθήκευσης–Απογραφής Αποθεμάτων
• Επίλυση προβλημάτων με τη χρήση λογισμικού βελτιστοποίησης (Excel και Μatlab)

5. Διαχείριση Αποθεμάτων
• Συστήματα Διαχείρισης Αποθεμάτων
• Ζήτηση-Πρόβλεψη Ζήτησης
• Κόστος, Αποθήκευση και Διαχείριση Αποθεμάτων
• Μοντέλα Διαχείρισης και Ελέγχου Αποθεμάτων

6. Εφοδιαστική Αλυσίδα
• Δομή Εφοδιαστικής Αλυσίδας
• Μοντελοποίηση και Βελτιστοποίηση Εφοδιαστικής Αλυσίδας
• Χωροθέτηση Εγκαταστάσεων
• Κόστος και Επιδόσεις της Εφοδιαστικής Αλυσίδας
• Προβλήματα Διαχείρισης Αποθεμάτων στην Εφοδιαστική Αλυσίδα
• Σύστημα Just In Time (JIT)

Με την ολοκλήρωση του μαθήματος οι φοιτητές θα είναι σε θέση:
• Να γνωρίζουν τις θεμελιώδεις αρχές της κυρτής βελτιστοποίησης και να τις χρησιμοποιούν για τη διαμόρφωση και επίλυση προβλημάτων.
• Να διακρίνουν τις βασικές αρχές και έννοιες του μη-γραμμικού προγραμματισμού, του ακέραιου προγραμματισμού και του δυναμικού προγραμματισμού.
• Να αναγνωρίζουν και να μοντελοποιούν προβλήματα μη-γραμμικού προγραμματισμού και ακέραιου προγραμματισμού.
• Να κατανοούν και να χρησιμοποιούν αλγορίθμους διακριτής βελτιστοποίησης καθώς και αλγορίθμους ακέραιου προγραμματισμού.
• Να εφαρμόζουν τη μέθοδο πολλαπλασιαστών Lagrange.
• Να προσδιορίζουν τις σχέσεις μεταξύ του πρωτεύοντος και δυϊκού προγράμματος, την ύπαρξη δυϊκού χάσματος και τις συνθήκες Kuhn‐Tucker για τη βελτιστότητα των λύσεων.
• Να εντοπίζουν και να υλοποιούν τις βασικές μεθόδους προσεγγιστικής επίλυσης μαθηματικών προβλημάτων.
• Να μοντελοποιούν προβλήματα δυναμικού προγραμματισμού διασπώντας ένα πολυσταδιακό πρόβλημα λήψης αποφάσεων σε επιμέρους υποπροβλήματα, να διατυπώνουν την αναδρομική σχέση του προβλήματος και να προσδιορίζουν τη βέλτιστη λύση του.
• Να εκμεταλλεύονται τεχνικές βελτιστοποίησης για τη διαχείριση αποθεμάτων.
• Να υπολογίζουν το κόστος διατήρησης αποθεμάτων, τα θέματα αποθήκευσης και διαχείρισής τους και να ελέγχουν τη ζήτηση και την προσφορά.
• Να γνωρίζουν τα θέματα που αφορούν τον προγραμματισμό και τη λειτουργία της εφοδιαστικής αλυσίδας.
• Να μοντελοποιούν και να επιλύουν τα προβλήματα διαχείρισης της εφοδιαστικής αλυσίδας.
• Να μοντελοποιούν και να επιλύουν το πρόβλημα χωροθέτησης εγκαταστάσεων.
• Να αναλύουν πραγματικά προβλήματα απόφασης και να κατασκευάζουν τα μαθηματικά μοντέλα που τα περιγράφουν, λαμβάνοντας υπ’ όψιν όλες τις παραμέτρους και τους περιορισμούς που διέπουν το δοσμένο πρόβλημα.
• Να επιλέγουν με σύνθεση κριτικής σκέψης και γνώσης και να εφαρμόζουν με ευχέρεια τις κατάλληλες για κάθε περίπτωση τεχνικές βελτιστοποίησης και αλγόριθμους για την επίλυση δοσμένων προβλημάτων.
• Να επιλύουν πλήρως ένα πρόβλημα μαθηματικού προγραμματισμού είτε στο χαρτί, είτε με την βοήθεια ΤΠΕ ρησιμοποιώντας το κατάλληλο λογισμικό.
• Να ερμηνεύουν τα αποτελέσματα της επίλυσης του προαναφερθέντος προβλήματος.
• Να είναι εξοικειωμένοι με τη λειτουργία και να αξιοποιούν τα εξειδικευμένα εργαλεία βελτιστοποίησης όπως το Optimization Toolbox του Matlab.
• Να χρησιμοποιούν εξειδικευμένο λογισμικό Οπτικοποίησης δεδομένων και αποτελεσμάτων (Matlab, Graph, GeoGebra).

Κορωνάκος Γρηγόρης

Θεωρία Υπολογισμού

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Επιλογής
Κατεύθυνση:
Ώρες Διδασκαλίας: 4 Θεωρία
ECTS: 5

Το αντικείμενο του μαθήματος είναι η παρουσίαση των βασικών εννοιών της Θεωρίας Υπολογισμού.

Συγκεκριμένα, παρουσιάζονται τα εξής θέματα:
1. Κανονικές Γλώσσες, Πεπερασμένα Αυτόματα, Ανταιτιοκρατία, Μη κανονικές γλώσσες, Ασυμφραστικές Γλώσσες, Ασυμφραστικές Γραμματικές, Αυτόματα στοίβας, Μη ασυμφραστικές γλώσσες.
2. Το Δόγμα Church-Turing, Μηχανές Turing, Παραλλαγές μηχανών Turing,
3. Ορισμός του αλγορίθμου.
4. Διαγνώσιμες γλώσσες.
5. Η τεχνική της Αναγωγής.
6. Χρονική Πολυπλοκότητα.
7. Κλάση P, κλάση NP, NP-πληρότητα.
8. Το θεώρημα Cook-Levin.
9. Χωρική Πολυπλοκότητα.
10. Το θεώρημα του Savitch.
11. Η κλάση PSPACE, PSPACE-πληρότητα.

Με την επιτυχή ολοκλήρωση αυτού του μαθήματος οι φοιτητές θα είναι σε θέση:
• Να αναγνωρίζουν τις δυνατότητες και τους περιορισμούς των θεωρητικών μοντέλων υπολογισμού.
• Να μπορούν να εντοπίσουν την εγγενή δυσκολία ενός προβλήματος.
• Να προσεγγίζουν και να αποδεικνύουν τυπικά ότι δεν υπάρχει ταχύς αλγόριθμος που να επιλύει ένα πρόβλημα κατά πάσα πιθανότητα.
• Να διερευνά τις απαιτήσεις χώρου που απαιτεί εγγενώς ένα πρόβλημα για να επιλυθεί.
• Να αξιολογεί τις εναλλακτικές λύσεις με βάση τις προαναφερθείσες απαιτήσεις.
• Να μπορεί να διακρίνει και να αξιολογήσει αν ένα πρόβλημα είναι τελικά επιλύσιμο από υπολoγιστές.

Λογισμικό Διαχείρισης Μάθησης

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Επιλογής
Κατεύθυνση:
Ώρες Διδασκαλίας: 4 Θεωρία
ECTS: 5

Το μάθημα ασχολείται με την αξιοποίηση των Τεχνολογιών Πληροφορικής και Επικοινωνιών (ΤΠΕ) στην εκπαίδευση. Στόχος του μαθήματος είναι η εξοικείωση των φοιτητών και των φοιτητριών του τμήματος με τις υπάρχουσες διδακτικές τεχνολογίες, δίνοντας ιδιαίτερη έμφαση στα Συστήματα Διαχείρισης Μάθησης (Learning Management Systems). Βασικό εργαλείο μελέτης για το συγκεκριμένο μάθημα αποτελεί το πακέτο ελεύθερου λογισμικού Moodle για την διεξαγωγή ηλεκτρονικών μαθημάτων μέσω Διαδικτύου.
Πιο αναλυτικά, τα περιεχόμενα του συγκεκριμένου μαθήματος είναι τα εξής:
1. Εισαγωγή στα Περιβάλλοντα Διαχείρισης Μάθησης (Learning Management Systems) Ανοικτού Κώδικα.
2. Επισκόπηση των Περιβαλλόντων Διαχείρισης Μάθησης Moodle και E-class.
3. Μοντέλα Σύγχρονης, Ασύγχρονης και Μικτής Μάθησης.
4. Εγκατάσταση εργαλείου ανοικτού κώδικα Moodle.
5. Εγκατάσταση εργαλείου ανοικτού κώδικα E-class.
6. Παραμετροποίηση εργαλείου Moodle για την υποστήριξη των μοντέλων Σύγχρονης, Ασύγχρονης και Μικτής μάθησης.
7. Παραμετροποίηση εργαλείου E-class για την υποστήριξη των μοντέλων Σύγχρονης, Ασύγχρονης και Μικτής μάθησης.
8. Δημιουργία «Κατηγοριών» και «Μαθημάτων» στις πλατφόρμες διαχείρισης μάθησης Moodle και E-class.
9. Προσθήκη Στατικού Υλικού Μαθήματος στις πλατφόρμες διαχείρισης μάθησης Moodle και E-class.
10. Προσθήκη Διαδραστικού Υλικού Μαθήματος στις πλατφόρμες διαχείρισης μάθησης Moodle και E-class.
11. Λειτουργίες Διαχείρισης και Συντήρησης της πλατφόρμας Moodle.

Με την ολοκλήρωση του μαθήματος οι φοιτητές και φοιτήτριες του τμήματος θα αποκτήσουν την δυνατότητα:
• Συγκριτικής αξιολόγησης του συγκεκριμένου διδακτικού εργαλείου σε σχέση με τα ανταγωνιστικότερα συστήματα διαχείρισης μάθησης που είναι διαθέσιμα αυτή την στιγμή από την βιομηχανία λογισμικού.
• Αναγνώρισης και εμβάθυνσης στις θεμελιώδεις έννοιες που διέπουν τα συστήματα διαχείρισης μάθησης με αφορμή την διδασκαλία του συγκεκριμένου εργαλείου διαχείρισης μάθησης.
• Απόκτησης εμπειρίας στην δημιουργία μιας ψηφιακής τάξης η οποία θα υποστηρίζει τις δυνατότητες σύγχρονης και ασύγχρονης διδασκαλίας.
• Γνωριμίας με τα βασικά εργαλεία δημιουργίας περιεχομένου στο Moodle.
• Κατανόησης της δομή ενός μαθήματος στο Moodle και των εκπαιδευτικών στόχων που θα πρέπει να εξυπηρετήσει.
• Δημιουργίας του δικού του εκπαιδευτικού περιεχομένου.
• Διαχείρισης ενός μαθήματος.

Ουρές Αναμονής

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Επιλογής
Κατεύθυνση:
Ώρες Διδασκαλίας: 4 Θεωρία
ECTS: 5

Αντικείμενο του μαθήματος αποτελεί η παρουσίαση του θεωρητικού και πρακτικού πλαισίου για τη μελέτη και ανάλυση των ουρών αναμονής, με έμφαση στο χώρο των Τεχνολογιών Πληροφορικής και Επικοινωνιών (ΤΠΕ). Πιο συγκεκριμένα, γίνεται εκτενής αναφορά και ανάλυση στα βασικά στοιχεία της θεωρίας των ουρών αναμονής. Θέματα που καλύπτονται περιλαμβάνουν, μεταξύ άλλων, συστήματα που αποτελούνται από μία ουρά, τα μαρκοβιανά μοντέλα M/M/1, M/M/c, M/M/∞, M/M/1/K, M/M/1/K/K, καθώς και μη μαρκοβιανά μοντέλα, όπως το σύστημα M/G/1, προσομοίωση συστημάτων κλπ. Επιπρόσθετα, στο πλαίσιο του μαθήματος προσφέρονται πρακτικές εφαρμογές της θεωρίας ουρών αναμονής σε τηλεπικοινωνιακά συστήματα, σε συστήματα υπολογιστικής νέφους, στο σχεδιασμό μεταγωγέων, στις σχετικές πολιτικές δρομολογητών, στα λειτουργικά συστήματα και, τέλος, στα κατανεμημένα συστήματα. Για την καλύτερη εμπέδωση των ανωτέρω εννοιών παρατίθενται σχετικές μελέτες περιπτώσεων από τη διεθνή βιβλιογραφία αλλά και πρακτική. Πιο αναλυτικά, τα περιεχόμενα του συγκεκριμένου μαθήματος είναι τα εξής:
•   Βασικά χαρακτηριστικά των ουρών αναμονής, μέτρα λειτουργικότητας, η διαδικασία μήκους ουράς, εμφυτευμένες διαδικασίες του μήκους ουράς σε στιγμές αφίξεων και αναχωρήσεων, η ιδιότητα PASTA, το θεώρημα του Little.
•   Συμβολισμός Kendall. Θεμελιώδεις στοχαστικές διαδικασίες και μέτρα απόδοσης.
•   Μαρκοβιανά μοντέλα M/M/1, M/M/c, M/M/∞, M/M/1/K, M/M/1/K/K, ανοικτά και κλειστά δίκτυα Jackson.
•   Μαρκοβιανά συστήματα εξυπηρέτησης με ιδιαίτερα χαρακτηριστικά.
•   Αντίστροφες στοχαστικές διαδικασίες. Αντιστρέψιμες Μαρκοβιανές αλυσίδες.
•   Μεθοδολογίες προσομοίωσης (γλώσσες προγραμματισμού, ανάλυση αποτελεσμάτων, παραδείγματά προσομοίωσης).
•   Σχετικό Λογισμικό μοντελοποίησης συστημάτων (Network Simulator, Performance Evaluation and Prediction System, Java Modelling Tools).
•   Παρουσίαση εργασιών.

Στόχος του μαθήματος είναι η ανάπτυξη βασικών δεξιοτήτων αναφορικά με τη μοντελοποίηση και τη μαθηματική ανάλυση συστημάτων με έμφαση στα συστήματα ΤΠΕ με τη χρήση των θεωρητικών προσεγγίσεων των ουρών αναμονής. Μετά το πέρας των διαλέξεων οι φοιτητές/τριες αναμένεται ότι:
•   θα περιγράφουν τα θεμελιώδη χαρακτηριστικά της θεωρίας Ουρών Αναμονής,
•   θα είναι σε θέση να αναλύουν και να μοντελοποιούν, με τα κατάλληλα τεχνικά εργαλεία, συστήματα ουρών αναμονής,
•   θα μπορούν να χρησιμοποιούν σχετικές τεχνικές προσομοίωσης συστημάτων, προκειμένου να ελέγχουν την απόδοση και τους ρυθμούς εξυπηρέτησης ενός συστήματος αναμονής,
•   θα είναι σε θέση να απαντήσουν σε πρακτικές ερωτήσεις που σχετίζονται με την Θεωρία Ουρών Αναμονής, όπως για παράδειγμα: 1) πόσο περιμένει κάθε πελάτης κατά μέσο όρο σε ένα σύστημα αναμονής 2) Ποιο είναι το μήκος της ουράς που σχηματίζεται κατά μέσο όρο 3) ποια θα είναι η μείωση, κατά μέσο όρο, στο χρόνο εξυπηρέτησης του συστήματος αν προστεθεί ένας επιπλέον εξυπηρετητής,
•   θα γνωρίζουν τις σύγχρονες προσεγγίσεις αναφορικά με την ανάλυση και μοντελοποίηση συστημάτων Ουρών Αναμονής, τόσο σε θεωρητικό όσο και πρακτικό επίπεδο.

302, κεντρικό κτίριο
+30 210 4142137
fax +30 210 4142472

Αγγλικά V

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Ξένη Γλώσσα
Κατεύθυνση:
Ώρες Διδασκαλίας: 4 Θεωρία
ECTS: 3

1. Δομή, τρόπος σύνταξης επιστολών, επιστημονικών εργασιών και ηλεκτρονικών μηνυμάτων.
2. Μετάφραση.
3. Ορολογία επιστημονικών κειμένων.
4. Πλεονεκτήματα –μειονεκτήματα επιστολών και ηλεκτρονικών μηνυμάτων.
5. Πρωτόκολλο γραφής επιστολών και ηλεκτρονικών μηνυμάτων (netiquette).
6. Αυθεντικά κείμενα διεπιστημονικού περιεχομένου και ασκήσεις ορολογίας σε προχωρημένο επίπεδο.

Με την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές:
• Επεξεργάζονται και συντάσσουν επιστολές, βιογραφικά και/ή ηλεκτρονικών μηνυμάτων για:
-κρατήσεις
-ζήτηση και παροχή πληροφοριών για υπηρεσίες, τιμές κ.λπ.
-παραγγελίες
-χορήγηση πίστωσης
-πληρωμές και εισπράξεις
-αντιπροσωπείες και πρακτορεία
-ασφάλειες
-εύρεση εργασίας
• Κατανοούν την ορολογία αναφορικά με τις προαναφερθείσες ενότητες.
• Μεταφράζουν κείμενα από την αγγλική στην ελληνική γλώσσα και αντιστρόφως.
• Αναγνωρίζουν τις σημαντικές πληροφορίες που εμπεριέχονται σε επιστημονικά άρθρα του γνωστικού τους αντικειμένου.
• Χρησιμοποιούν τα παραπάνω για τη συγγραφή επιστημονικών εργασιών στο πλαίσιο της φοίτησης τους.
• Δύνανται να παρακολουθήσουν διεθνούς κύρους συνέδρια σε τομείς αιχμής αναφορικά με το επιστημονικό τους αντικείμενο.
• Επεξεργάζονται και κατανοούν αυθεντικά κείμενα σε θέματα που αφορούν επιχειρηματικά κεφάλαια, γραφικές αναπαραστάσεις, επιχειρησιακή έρευνα, εμπορικές επιχειρήσεις, μικρομεσαίες επιχειρήσεις, μεθόδους πληρωμής κ.λπ.

Μόρμορη Πελαγία

Γαλλικά V

Κωδικός Μαθήματος:
Τύπος Μαθήματος: Ξένη Γλώσσα
Κατεύθυνση:
Ώρες Διδασκαλίας: 4 Θεωρία
ECTS: 3

1. Λεξιλόγιο εξειδικευμένο στον τομέα της Πληροφορικής.
2. Μετάφραση εξειδικευμένων επιστημονικών κειμένων από και προς τα Γαλλικά.
3. Μετάφραση μηχανική ή φιλολογική σε κείμενα σχετικά με τους Μεταγλωττιστές, την Κρυπτογραφία, τις γλώσσες αντικειμενοστεφούς τεχνολογίας, τις Βάσεις Δεδομένων,τα Δυναμικά Συστήματα Αλγορίθμων, κ.λπ.
4. Αναζήτηση επιστημονικών άρθρων σε διάφορες αξιόπιστες βάσεις δεδομένων.

Με την ολοκλήρωση του μαθήματος οι φοιτητές/τριες αναμένεται ότι:
• θα έχουν μια εξαιρετική γνώση της Γαλλικής γλώσσας σε γραπτό και προφορικό επίπεδο,
• θα μπορούν να κάνουν παραγωγή εξειδικευμένου γραπτού λόγου,
• θα μπορούν να κάνουν μετάφραση ειδικών κειμένων γενικού και εξειδικευμένου περιεχομένου από και προς τα Γαλλικά,
• θα κατανοούν επιστημονικά κείμενα και άρθρα,
• θα συλλέγουν πληροφορίες από τα παραπάνω και θα τις αξιοποιούν στον εμπλουτισμό των γραπτών επιστημονικών εργασιών που θα καλούνται να εκπονήσουν,
• θα γνωρίζουν τις βασικές λειτουργίες και δυνατότητες εξειδικευμένων λογισμικών μετάφρασης,
• θα υλοποιούν μετάφραση σε κείμενα του επιστημονικού πεδίου της Πληροφορικής.

Ζέας 80-82, 4ος όροφος
+302104142176