Ειδικού Υποβάθρου (Επιλογής)

Ναι 

(Αγγλική γλώσσα - μετά από συνεννόηση με τον διδάσκοντα) 

Βασικός στόχος του μαθήματος είναι οι φοιτητές να εμβαθύνουν και να μαθαίνουν να:

• Αναπτύσσουν και εφαρμόζουν αναλυτικές και υπολογιστικές μεθόδους λήψης αποφάσεων                

• Αναλύουν και να σχεδιάζουν καινοτόμες πολιτικές ή/και επιχειρηματικά μοντέλα και να υλοποιούν στρατηγικές αλλαγές σε επιχειρήσεις και οργανισμούς στο πλαίσιο της διεθνοποιημένης λειτουργίας τους.      

• Αναπτύσσουν μεταγνωστική ικανότητα για την ομαλή προσαρμογή τους στην διαρκώς - τεχνολογικά - μεταβαλλόμενη παγκόσμια οικονομία.    

• Διερευνούν τις δυνατότητες καινοτομίας και στρατηγικής των οργανισμών ιδιωτικού και δημοσίου τομέα.

• Εφαρμόζουν μεθόδους διοίκησης εστιασμένες στη συλλογή και ανάλυση δεδομένων για την εφαρμογή τους σε παραγωγικές διαδικασίες, με έμφαση στη διοίκηση επιχειρήσεων και οργανισμών.

• Αναλύουν με τεχνοοικονομικούς όρους τη λειτουργία παραγωγικών μονάδων και φορέων του δημοσίου τομέα σε συνδυασμό με ποσοτικές μεθόδους και πληροφοριακά συστήματα διοίκησης, λήψης και υποστήριξης αποφάσεων.

• Ενισχύουν τον ανταγωνισμό στο σύγχρονο επιχειρηματικό περιβάλλον. Ανασχεδιάζουν τις διαδικασίες για τη βελτίωση αποτελεσματικότητας κι αποδοτικότητας διαδικασιών του δημοσίου και ιδιωτικού τομέα.

Με την ολοκλήρωση της διδασκαλίας του μαθήματος οι φοιτητές θα είναι ικανοί να:

• Γνωρίζουν τις βασικές αρχές των Νοημόνων Συστημάτων.

• Γνωρίζουν τις βασικές αρχές της Ασαφούς Λογικής.

• Γνωρίζουν τις βασικές αρχές της Βελτιστοποίησης με τη χρήση intelligent algorithms.

• Γνωρίζουν τις βασικές αρχές των Νευρωνικών Δικτύων.

• Γνωρίζουν τις βασικές αρχές της Βαθιάς Μάθησης.

• Γνωρίζουν τις βασικές αρχές της Μηχανικής Μάθησης.

Μετά την ολοκλήρωση της διδασκαλίας του μαθήματος οι φοιτητές θα έχουν αναπτύξει τις παρακάτω δεξιότητες:

• Θα μπορούν να σχεδιάσουν και να υλοποιήσουν ένα Νοήμον Σύστημα.

• Θα μπορούν να επιλέξουν τις κατάλληλες τεχνικές/μεθοδολογίες.

• Θα μπορούν να επιλέξουν τα κατάλληλα εργαλεία λογισμικού.

• Θα μπορούν να αξιολογήσουν την απόδοση ενός τέτοιου συστήματος.

   

Το μάθημα αποσκοπεί στην : 

• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

• Λήψη αποφάσεων 

• Αυτόνομη εργασία 

• Ομαδική εργασία

Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης 

Σκοπός του μαθήματος είναι να εισάγει τους φοιτητές στα Νοήμονα Συστήματα. Με τον όρο Νοήμονα Συστήματα αναφερόμαστε σε Συστήματα (Λογισμικού ή Υλικού-Λογισμικού) τα οποία έχουν σε κάποιο βαθμό (μικρότερο ή μεγαλύτερο) τη δυνατότητα να αποκτήσουν και να εξάγουν γνώση, να λάβουν αιτιολογημένες αποφάσεις, να αλληλοεπιδράσουν με το περιβάλλον στο οποίο βρίσκονται τροποποιώντας είτε τη δική τους συμπεριφορά είτε τροποποιώντας το περιβάλλον τους και δυνητικά να αποκτήσουν «συνείδηση» της ύπαρξής τους.

Βασικές ενότητες μαθήματος:

1. Εισαγωγή στα Νοήμονα Συστήματα 

2. Αρχές Ασαφούς Λογικής (Fuzzy Logic)

3. Ασαφή Συστήματα Συμπερασμού (Fuzzy Inference Systems)

4. Βελτιστοποίηση (Optimization)

5. Νοήμονες Αλγόριθμοι Βελτιστοποίησης (Intelligent Optimization Algorithms)

6. Θεμελιώσεις ΝευρωνικώνΔικτύων (Fundamentals of Neural Networks)

7. Θεμελιώσεις ΒαθιάςΜάθησης (Fundamentals of Deep Learning)

8. Θεμελιώσεις ΜηχανικήςΜάθησης (Fundamentals of Machine Learning)

• Διαλέξεις πρόσωπο με πρόσωπο

• Πρόσωπο με πρόσωπο - Επίλυση φροντιστηριακών ασκήσεων

Ανάρτηση υλικού για περαιτέρω μελέτη και επίλυση ασκήσεων στην πλατφόρμα e-class

Η αξιολόγηση θα διενεργείται στην ελληνική γλώσσα με τρεις διακριτούς τρόπους:

1. Γραπτή τελική εξέταση που περιλαμβάνει:

• Συγκριτική αξιολόγηση στοιχείων θεωρίας 

• Επίλυση προβλημάτων

1. Marco P. Schoen, Introduction to Intelligent Systems, Control, and Machine Learning Using MATLAB, Cambridge University Press (16 Nov. 2023)

2. STUART RUSSELL, PETER NORVIG, ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ: ΜΙΑ ΣΥΓΧΡΟΝΗ ΠΡΟΣΕΓΓΙΣΗ, ΕΚΔΟΣΕΙΣ ΚΛΕΙΔΑΡΙΘΜΟΣ ΕΠΕ, 2021, (Κωδικός στον Εύδοξο: 102070469).

3. Alpaydin Ethem, Εισαγωγή στη Μηχανική Μάθηση, BROKEN HILL PUBLISHERS LTD, 2022 (Κωδικόςστον Εύδοξο: 102070225).

4. C.M. Bishop, ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΚΑΙ ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ, ΓΡΗΓΟΡΙΟΣ ΧΡΥΣΟΣΤΟΜΟΥ ΦΟΥΝΤΑΣ, 2019, (Κωδικός στον Εύδοξο: 86053413).

5. ΚΩΝΣΤΑΝΤΙΝΟΣ ΔΙΑΜΑΝΤΑΡΑΣ, ΔΗΜΗΤΡΗΣ ΜΠΟΤΣΗΣ,. ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ, ΕΚΔΟΣΕΙΣ ΚΛΕΙΔΑΡΙΘΜΟΣ ΕΠΕ, 2019, (Κωδικός στον Εύδοξο: 86198212).

6. Αναγνώριση Προτύπων, Σ. Θεοδωρίδης, BROKEN HILL PUBLISHERS LTD, 2011, (Κωδικός στον Εύδοξο: 13256974).

7. Εισαγωγή στην Αναγνώριση Προτύπων με Matlab, Σ. Θεοδωρίδης, Α. Πικράκης, Κ. Κουτρούμπας και Δ. Κάβουρας, BROKEN HILL PUBLISHERS LTD. 2011 (Κωδικός στον Εύδοξο: 13256624).