Παρουσίαση/Προβολή

(CEID1185) -  Σωτήριος Νικολετσέας

Περιγραφή Μαθήματος

Το μάθημα "Αλγόριθμοι και Εφαρμογές Τεχνητής Νοημοσύνης για το Διαδίκτυο των Αντικειμένων (IoT)" διδάσκεται από τον Καθηγητή Σωτήρη Νικολετσέα, είναι προπτυχιακό μάθημα επιλογής ομάδας Α για την κατεύθυνση Κ2 (Δίκτυα Επικοινωνίας – Networks and Communications) και μάθημα επιλογής ομάδας Β για όλες τις υπόλοιπες κατευθύνσεις. Στην διδασκαλία συμμετέχουν οι μεταδιδάκτορες ερευνητές Παντελής Τζαμαλής και Αλέξανδρος Μανωλόπουλος. Επίσης, οι υποψήφιοι διδάκτορες Κυριάκος Γιαννόπουλος και Γιώργος Κοντογιάννης.

 

Τα τελευταία χρόνια το μάθημα περιλαμβάνει εφαρμογές Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης στο ΙοΤ και από το έτος 2025-2026 θα συμπεριλάβει και σχετικά θέματα δικτυακών τεχνολογιών (CoAP, MQTT, 6LowPAN, 5G/6G κ.λπ.).

 

Το μάθημα έχει τα τελευταία χρόνια σημαντική hands-on διάσταση και οι φοιτητές εκπονούν προγραμματιστικό project  με ΙοΤ συσκευές (wearables, sensors).

 

Συνδιδάσκεται με αντίστοιχο μάθημα του μεταπτυχιακού προγράμματος ΣΜΗΝ, ωστόσο για τους μεταπτυχιακούς φοιτητές υπάρχουν σημαντικές διαφοροποιήσεις στην ύλη και στην εξέταση. 

 

Ακολουθεί συνοπτική περιγραφή της ύλης:

- Εισαγωγικά θέματα δικτύων αισθητήρων (τεχνολογικά ζητήματα, χαρακτηριστικές εφαρμογές, προκλήσεις για τον κατανεμημένο υπολογισμό, αλγοριθμικές ιδιότητες: ορθότητα, αποδοτικότητα, ανοχή σε λάθη),
- Μοντέλα και μετρικές ανάπτυξης δικτύων αισθητήρων, τοπολογίες, θέματα συνεκτικότητας και κάλυψης.
- Αλγόριθμοι για μετάδοση δεδομένων Ι (δεδομενο-κεντρικοί αλγόριθμοι, τεχνικές ομαδοποίησης)
- Αλγόριθμοι για μετάδοση δεδομένων ΙI (άπληστες και πιθανοτικές τεχνικές)
- Αλγόριθμοι και τεχνικές για διαχείριση και εξισορρόπηση ενέργειας
- Αλγόριθμοι γεωγραφικής μετάδοσης δεδομένων και αλγόριθμοι αποφυγής εμποδίων
- Αλγόριθμοι προσδιορισμού θέσης
- Ασύρματη μεταφορά ενέργειας
- Το Διαδίκτυο των Αντικειμένων (ΙοΤ): τεχνολογία, σχεδιαστικές αρχές, συστήματα και εφαρμογές

- Εφαρμογές ΑΙοΤ στην ψηφιακή υγεία (digital health), στην βιομηχανία (digital factories), σε έξυπνες πόλεις (smart cities)
- Επιλεγμένα θέματα Τεχνητής Νοημοσύνης των Πραγμάτων (Αrtificial Ιntelligence of Things - AIoT): Τεχνολογίες, μεθοδολογία υλοποίησης εφαρμογών. Statistical Analysis, Data Processing, Feature Engineering Methods, Machine Learning Algorithms• Deep Learning Methods for Temporal Modeling. 

- Επιλεγμένα θέματα δικτυακών τεχνολογιών (CoAP, MQTT, 6LowPAN, 5G/6G κ.λπ.)
- Προγραμματιστικές εργαστηριακές ασκήσεις: υλοποίηση εφαρμογών αναγνώρισης δραστηριότητας μέσω φορετών συσκευών, ανάπτυξη IoT σεναρίων μέσω ασύρματων αισθητήρων.

Ημερομηνία δημιουργίας

Τρίτη 17 Μαρτίου 2020