Education

Members of the group support education activities of the Department of Digital Systems, as follows:

MSc Courses:
- Web applications (1st semester in e-Learning programme)
- MSc Thesis in semantic web technologies for e-learning

Pre-graduate courses:
- Algorithms and Complexity (4th semester)
- Artificial Intelligence (5th semester)
- Agents and Multiagent systems (7th semester)
- Semantic Web and Ontologies (8th semester)

Proposed Final Year Projects (Προτεινόμενα θέματα πτυχιακών εργασιών):

1) Δημιουργία πρότυπου Συστήματος Διαχείρισης Μάθησης με δεξαμενή εκπαιδευτικών πόρων που έχουν επισημανθεί με μεταδεδομένα, προκειμένου να γίνεται οργανωμένη καταγραφή της εκπαιδευτικής πορείας των χρηστών του.

2) Καταγραφή και σύγκριση σημασιολογικών εκπαιδευτικών τροχιών – προσδιορισμός της ομοιότητας ανάμεσα σε χρονικά προσδιορισμένες ακολουθίες μαθησιακών εμπειριών (εκπαιδευτικές / μαθησιακές τροχιές).

3) Συγκριτική μελέτη μεθόδων συσταδοποίησης, ταξινόμησης και μείωσης διαστάσεων σε δεδομένα χρονοσειρών με χρήση πλαισίου αξιοποίησης μεγάλων δεδομένων (π.χ. Apache Spark). Η μελέτη θα γίνει σε πραγματικά και συνθετικά δεδομένα.

4) Υλοποίηση της Lambda αρχιτεκτονικής για τον εμπλουτισμό δεδομένων ροής. Η πτυχιακή θα βασιστεί σε πλατφόρμα αξιοποίησης μεγάλων δεδομένων, όπως το apache spark 2.0, που προσφέρει λειτουργικότητα για την δημιουργία joins μεταξύ δεδομένων ροής και άλλων δεδομένων. Θα αναπτυχθούν επερωτήσεις για χωροχρονικά δεδομένα.

5) Μελέτη τεχνικών κατάτμησης RDF γράφων. Περιλαμβάνει την υλοποίηση και αξιολόγηση τεχνικών ως προς την αποτελεσματικότητά τους σε διάφορες πηγές RDF δεδομένων.

5) Ο μηχανισμός RDF-Gen μετασχηματίζει τα δεδομένα οποιασδήποτε μη RDF πηγής, σε RDF τριπλέτες. Ο μετασχηματισμός αυτός επιτρέπει πληθώρα επιλογών, από υποβολή ερωτημάτων SPARQL μέχρι την ανακάλυψη σχέσεων μεταξύ πόρων ίδιων ή διαφορετικών πηγών δεδομένων. Σε αυτή την πτυχιακή εργασία, Η πτυχιακή αποσκοπεί στην υλοποίηση εργαλείου σχεδίασης RDF-Gen προτύπων, με φιλικό προς τον χρήστη τρόπο. Η εφαρμογή αφορά στην εξαγωγή και τον εμπλουτισμό πληροφορίας από ιστοσελίδες.

6) Συγκριτική μελέτη αλγορίθμων ενισχυτικής μάθησης για την επίλυση προβλημάτων συμφόρησης. Στα πλαίσια της πτυχιακής αυτής εργασία θα μελετηθούν και αναπτυχθούν διαφορετικοί αλγόριθμοι ενισχυτικής μάθησης σε μονο-πρακτορικό ή πολύ-πρακτορικό περιβάλλον για την αποφυγή συμφορήσεων στην χρήση πόρων.

7) Υλοποίηση και συγκριτική αποτίμηση αλγορίθμων σύγκρισης εμπλουτισμένων τροχιών κινούμενων οντοτήτων, με στόχο την εύρεση παρόμοιων τροχιών με υπολογιστική αποτελεσματικότητα και ακρίβεια.

8) Συγκριτική μελέτη συστημάτων επερωτήσεων και αναγνώρισης συμβάντων σε RDF δεδομένα ροής.

9) Αξιοποίηση της τεχνολογίας RTEC (http://cer.iit.demokritos.gr/RTEC/) για την online συλλογιστική σε RDF δεδομένα ροής.

10) Χρήση των Conditional Random Fields για την πρόβλεψη τροχιών κινουμένων αντικειμένων.

11) Υλοποίηση και αξιολόγηση αλγορίθμου κατάτμησης οντολογιών.
Ο αλγόριθμος θα αξιολογηθεί σε μεγάλες γνωστές οντολογίες .

12) Σημασιολογική ολοκλήρωση δεδομένων ροής με δομημένα και ημι-δομημένα δεδομένα.
Τα δεδομένα ροής είναι συνήθως δεδομένα που έρχονται με μεγάλη ταχύτητα από πολλαπλούς αισθητήρες, και επομένως χαρακτηρίζονται από αυξημένο όγκο και ταχύτητα. Συνήθως τα δεδομένα αυτά θέλουμε να τα συνδέσουμε με στατικά δεδομένα σε μια βάση δεδομένων ή με ημι-δομημένα δεδομένα (π.χ. σε μορφή πίνακα εντός κειμένου).
Στόχος της πτυχιακής εργασίας είναι να υλοποιήσει ένα σύστημα για τη σημασιολογική σύνδεση δεδομένων ροής με άλλα δεδομένα. Η πτυχιακή περιλαμβάνει (α) το σημασιολογικό χαρακτηρισμό των δεδομένων – από όπου και αν προέρχονται και (β) τη σύνδεσή τους σε πραγματικό χρόνο.

13) Παρουσίαση συγχωνευμένης πληροφορίας από ετερογενείς πηγές.
Στόχος είναι η αξιοποίηση υπάρχουσας τεχνολογίας σημασιολογικού ιστού για την ανάκτηση δεδομένων από διάφορες πηγές δεδομένων και την ενοποίηση /σύνδεση των δεδομένων αυτών για την παροχή εύληπτης, ενιαίας και ολοκληρωμένης πληροφόρησης προς τους τελικούς χρήστες.
Τέτοιες πηγές πληροφορίας μπορεί να αφορούν στην πραγματικού-χρόνου κίνηση πλοίων στο Αιγαίο και στα ανακοινωμένα δρομολόγια πλοίων : Η ενοποίηση της πληροφορίας αυτής μπορεί αν δώσει συμπεράσματα για τον προορισμό, ώρα άφιξης πλοίων κλπ.
Η πτυχιακή περιλαμβάνει την εξοικείωση με υπάρχουσες τεχνολογίες για την ανάκτηση πληροφορίας και για την ενοποίηση δεδομένων από σχεσιακές βάσεις δεδομένων, την εξοικείωση με τις υπάρχουσες βάσεις δεδομένων, την ανάπτυξη του όλου συστήματος και την αποτίμηση της αποτελεσματικότητάς του.

Όλες οι πτυχιακές απαιτούν 12-μηνη δουλειά. Ο χρόνος γενικά κατανέμεται ως εξής:
1. 3 μήνες βιβλιογραφική μελέτη και κατανήση του προβλήματος και των σχετικών με αυτό αλγορίθμους
2. 2 μήνες για σχεδιασμό αλγορίθμων και επιμέρους μεθόδων
3. 1 μήνας σχεδιασμού πειραματικών διατάξεων
4. 4 μήνες ανάπτυξης λογισμικού
5. 3 μήνες πειραμάτων (οι 2 μήνες συμπίπτουν με τους τελευταίους από τους 4 μήνες της ανάπτυξης για την πλήρη εκσφαλμάτωση του λογισμικού και την απόκτηση καλύτερης αίσθησης της συμπεριφοράς των αλγορίθμων)
6. 1 μήνας συγγραφής πτυχιακής εργασίας