Τεχνολογίες Διαδικτύου και Διαδίκτυο των Πραγμάτων

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.

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.

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.

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.

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.

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.

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.

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.