Παρουσίαση/Προβολή

(ΜΕΑ_ΜΕ7) -  Θεόδωρος Γκορτσάς

Περιγραφή Μαθήματος

Στο πλαίσιο του μαθήματος οι φοιτητές εστιάζουν στην απόκτηση θεωρητικών γνώσεων και πρακτικών δεξιοτήτων γύρω από την ανάπτυξη και αξιολόγηση μοντέλων μειωμένης τάξης και ευρύτερα υποκατάστατων μοντέλων, βασισμένων σε υπολογιστικά δεδομένα. Με τις γνώσεις του μαθήματος οι φοιτητές θα μπορούν να αναλύουν τη φύση των δεδομένων που προκύπτουν από προσομοιώσεις και να εξάγουν από αυτά χωρικές ή χρονικές δομές που επιτρέπουν τη δημιουργία απλοποιημένων, αλλά αξιόπιστων υποκατάστατων μοντέλων. Για την υλοποίηση των υποκατάστατων μοντέλων οι φοιτητές αποκτούν εξοικείωσή με την εφαρμογή τεχνικών που καλύπτουν περιοχές της γραμμικής άλγεβρας και επιπλέον της μηχανικής και βαθιάς μάθησης, ενώ για το προγραμματισμό των μοντέλων χρησιμοποιείται η γλώσσα Python και οι βιβλιοθήκες μηχανικής μάθησης scikit-learn και pytorch.

 

Σε πρακτικό επίπεδο, οι φοιτητές θα είναι ικανοί να κατασκευάζουν μοντέλα μειωμένης τάξης με χρήση δεδομένων από προσομοιώσεις και θα μπορούν να αξιολογούν την ακρίβεια, τη σταθερότητα και τη γενικευσιμότητα των μοντέλων τους, καθώς και να τα χρησιμοποιούν για επιταχυνόμενες προσομοιώσεις, παραμετρικές μελέτες, προβλήματα αντίστροφης σχεδίασης καθώς και την επίλυση προβλημάτων βελτιστοποίησης.

Ημερομηνία δημιουργίας

Παρασκευή, 9 Μαΐου 2025