Διαδίκτυο των Πραγμάτων (IoT)

& Προηγμένες Ψηφιακές Τεχνολογίες

IoT & Advanced Digital Technologies

Συνδέοντας τις Ψηφιακές Υποδομές με τις Πόλεις του Μέλλοντος

Η Κατεύθυνση “IoT & Advanced Digital Technologies” σε προετοιμάζει να γίνεις ειδικός στη σχεδίαση, διαχείριση και ανάπτυξη έξυπνων συστημάτων και ψηφιακών υπηρεσιών. Από τη διασύνδεση συσκευών και αισθητήρων σε έξυπνες πόλεις, μέχρι την αξιοποίηση AI, Big Data και Blockchain για καινοτόμες λύσεις, το πρόγραμμα σε φέρνει στο επίκεντρο της τεχνολογικής καινοτομίας.

IoT Platforms & Smart Systems
Σχεδίασε και διαχειρίσου IoT υποδομές που υποστηρίζουν τις ψηφιακές υπηρεσίες της σύγχρονης πόλης.

Cloud & Edge Computing
Απόκτησε πρακτικές δεξιότητες σε Cloud υποδομές, Edge Networks και real-time data management.

Data Analytics & AI Applications
Μάθε πώς οι τεχνικές Machine Learning και Data Science οδηγούν την ανάπτυξη των έξυπνων και ανθρωποκεντρικών πόλεων.

Cybersecurity & Data Protection
Κατανόησε τα ζητήματα ασφάλειας, ιδιωτικότητας και ανθεκτικότητας σε σύγχρονα IoT περιβάλλοντα.

Υπολογιστική Νέφους, Δίκτυα Παροχής Περιεχομένου, Agile και V2X Τεχνολογίες

Στο πλαίσιο του μαθήματος παρουσιάζονται θέματα που αφορούν τη μελέτη, τον σχεδιασμό και την υλοποίηση σύγχρονων κατανεμημένων συστημάτων όπως των υπολογιστικών νεφών, των δικτύων παροχής περιεχομένου και των σχηματικών δικτύων. Θα μελετηθούν έννοιες σχετικές µε το υλικό και το λογισμικό πάνω στα οποία οικοδομείται ένα σύγχρονο κατανεμημένο υπολογιστικό σύστημα. Έμφαση δίνεται στην επικοινωνία μεταξύ των διαφόρων τμημάτων του συστήματος καθώς και στην διαχείριση διεργασιών, την ονοματολογία οντοτήτων και την ασφάλεια. Θα μελετηθούν σε βάθος οι αρχιτεκτονικές των υπολογιστικών νεφών καθώς και τα αναδυόμενα μοντέλα που επεκτείνουν τις δυνατότητές τους (Network Function Virtualization – NFV, Software Defined Networking – SDN, Edge Cloud και Fog/Edge Computing). Επιπλέον θα μελετηθούν οι τεχνολογίες και αρχιτεκτονικές των δικτύων παροχής περιεχομένου καθώς και των οχηματικών δικτύων. Θα αναλυθούν αντίστοιχα μοντέλα σύνθεσης, η ετερογένεια, η κλιμάκωση, οι τεχνικές απεικόνισης δυναμικών ροών εργασίας, η διασφάλιση ποιότητας, οι κατηγορίες παραμέτρων και απαιτήσεων, καθώς και τεχνικές ανοχής σε σφάλματα.

Μαθησιακά Αποτελέσματα:

Με την επιτυχή ολοκλήρωση του μαθήματος, ο φοιτητής/η φοιτήτρια θα είναι σε θέση να:

Κατανοεί τη δομή και λειτουργία σύγχρονων κατανεμημένων συστημάτων, όπως τα υπολογιστικά νέφη (cloud computing), τα δίκτυα παροχής περιεχομένου (CDNs) και τα οχηματικά δίκτυα.
Αναγνωρίζει τις βασικές τεχνολογίες υλικού και λογισμικού που αποτελούν τη βάση των κατανεμημένων υπολογιστικών συστημάτων.
Αναλύει και σχεδιάζει την επικοινωνία μεταξύ των επιμέρους τμημάτων ενός κατανεμημένου συστήματος, λαμβάνοντας υπόψη τη διαχείριση διεργασιών, την ονοματολογία οντοτήτων και την ασφάλεια.
Εμβαθύνει στις αρχιτεκτονικές υπολογιστικών νεφών
Κατανοεί τις τεχνολογίες και τις αρχιτεκτονικές των Content Delivery Networks (CDNs) και των οχηματικών δικτύων (Vehicular Networks).

Διδάσκοντες:

Ονοματεπώνυμο	Ιδιότητα	Γραφείο	Τηλέφωνο	Email
Μιχάλας Άγγελος	Καθηγητής Πανεπιστημίου Δυτικής Μακεδονίας	208/ΚΕKΤ		amichalas@unipi.gr
Σκόνδρας Εμμανουήλ	Διδάσκων, Μεταδιδακτορικός Ερευνητής	208/ΚΕΚΤ	+30 210 4142458, +30 210 4142127, +30 210 4142060	skondras@unipi.gr
Παπαπαναγιώτου Σταύρος	Διδάσκων, Ηλεκτρολόγος Μηχανικός και Μηχανικός Υπολογιστών ΕΜΠ	104/ΓΛ126	+30 210 4142479	papapast@unipi.gr
Βέργαδος Δημήτριος	Καθηγητής, Διευθυντής ΠΜΣ	104/ΓΛ126	+30 210 4142479	vergados@unipi.gr

Περίγραμμα Μαθήματος

Ανάλυση Δεδομένων και Στατιστική

Η ανάλυση δεδομένων μεγάλης κλίμακας βασίζεται σε μεθόδους κατηγοριοποίησης, ομαδοποίησης και πρόβλεψης, με εφαρμογές στον Παγκόσμιο Ιστό, τα social media, την ιατρική και τις έξυπνες πόλεις. Σημαντικά εργαλεία σε αυτόν τον τομέα αποτελούν τα συστήματα συμπερασμού, η μείωση διάστασης (PCA, τυχαίες προβολές), η οπτικοποίηση και η ανάλυση ανοικτών, διασυνδεδεμένων δεδομένων.

Οι βασικές μαθηματικές έννοιες περιλαμβάνουν πίνακες, πράξεις, ορίζουσες, ιδιοτιμές και ιδιοδιανύσματα, καθώς και μεθόδους επίλυσης γραμμικών συστημάτων (π.χ. Gauss, κανόνας Cramer). Η θεωρία πιθανοτήτων και οι κατανομές (διακριτές/συνεχείς) στηρίζουν τη στατιστική ανάλυση.

Η προεπεξεργασία δεδομένων (καθαρισμός, μετασχηματισμός), τα μέτρα ομοιότητας και απόστασης, καθώς και η εφαρμογή παλινδρομικών μοντέλων (γραμμική, λογιστική, probit) είναι θεμελιώδη βήματα. Χρησιμοποιούνται επίσης η ανάλυση διακύμανσης (ANOVA, MANOVA) και η διερευνητική ανάλυση παραγόντων.

Τα εργαλεία Matlab και R παρέχουν ισχυρές δυνατότητες για στατιστική ανάλυση, παλινδρόμηση, συσταδοποίηση και εφαρμογές με νευρωνικά δίκτυα. Τέλος, η αξιολόγηση μεθόδων κατηγοριοποίησης είναι απαραίτητη για την επιλογή των βέλτιστων τεχνικών πρόβλεψης και εξόρυξης γνώσης από δεδομένα

Μαθησιακά Αποτελέσματα:

Με την ολοκλήρωση της ενότητας, ο/η φοιτητής/φοιτήτρια θα είναι σε θέση να:

Κατανοεί και εφαρμόζει βασικές μεθόδους κατηγοριοποίησης, ομαδοποίησης και πρόβλεψης, σε πραγματικά ή συνθετικά δεδομένα μεγάλης κλίμακας.
Αναγνωρίζει και χρησιμοποιεί τεχνικές μείωσης διάστασης (όπως PCA και τυχαίες προβολές), για τη βελτιστοποίηση της ανάλυσης δεδομένων υψηλής διαστατικότητας.
Εφαρμόζει μεθόδους καθαρισμού, μετασχηματισμού και οπτικοποίησης δεδομένων, προετοιμάζοντας τα κατάλληλα για ανάλυση ή εκπαίδευση μοντέλων.
Αναλύει γραμμικά συστήματα και μαθηματικές δομές, όπως πίνακες, ιδιοτιμές και ιδιοδιανύσματα, αξιοποιώντας τις στη μηχανική μάθηση και στατιστική ανάλυση.
Κατανοεί βασικές έννοιες θεωρίας πιθανοτήτων και στατιστικών κατανομών, και τις χρησιμοποιεί σε εφαρμογές πρόβλεψης και μοντελοποίησης αβεβαιότητας.

Διδάσκοντες:

Ονοματεπώνυμο	Ιδιότητα	Γραφείο	Τηλέφωνο	Email
Αναγνωστόπουλος Ιωάννης	Καθηγητής Πανεπιστημίου Θεσσαλίας	104/ΓΛ126	+30 210 4142479	janag@unipi.gr
Φιλιππάκης Μιχαήλ	Καθηγητής	504/ΚΕΚΤ	+30 210 4142566	mfilip@unipi.gr
Τασούλας Ιωάννης	Επίκουρος Καθηγητής	542/ΚΕΚΤ	+30 210 4142313	jtas@unipi.gr
Ραζής Γεράσιμος	Διδάσκων	104/ΓΛ126	+30 210 4142479	makisraz@unipi.gr

Περίγραμμα Μαθήματος

Βιομηχανία 4.0 και Έξυπνα Δίκτυα - M2M, IoT, Digital Twins

Το μάθημα πραγματεύεται τις κύριες προκλήσεις, τις λύσεις και τις εφαρμογές των επικοινωνιών Μηχανής προς Μηχανή (Machine to Machine – M2M). Ως αναδυόμενο παράδειγμα δικτύωσης, οι επικοινωνίες M2M καλύπτουν όλες τις διαδικασίες επικοινωνίας που δεν αφορούν μόνο τους ανθρώπους, αλλά και τις μηχανές, και οι οποίες έχουν σχεδιαστεί για να επιτελούν καθήκοντα αυτοματισμού με την ευρύτερη έννοια. Με αυτό τον τρόπο, δημιουργούνται νέοι τομείς εφαρμογών, καθώς και νέες προκλήσεις, ειδικά στις περιοχές των Έξυπνων Πόλεων (Smart Cities) και του Διαδικτύου των Πραγμάτων (Internet of Things – IoT).

Μαθησιακά Αποτελέσματα:

Με την επιτυχή ολοκλήρωση αυτής της ενότητας οι φοιτητές θα είναι σε θέση να:
● Προσδιορίσουν τις βασικές έννοιες των ασύρματων δικτύων. Εισάγουν διάφορα ασύρματα συστήματα και πρότυπα και τις βασικές περιπτώσεις της λειτουργίας τους.
● Αναλύσουν θεωρίες κυκλοφορίας, και μοντέλα κινητής ραδιο-διάδοσης ραδιόφωνο, κωδικοποίησης καναλιού, και θέματα κυψελωτών επικοινωνιών.
● Μάθει να μοντελοποιεί θέματα διάδοσης ραδιοσήματος και να αναλυθούν οι επιπτώσεις τους στην απόδοση του συστήματος επικοινωνιών.
● Κατανοήσει τις τεχνικές κατανομής του ραδιοφάσματος σε συστήματα πολλαπλών χρηστών και τις επιπτώσεις τους στην χωρητικότητα των δικτύων.
● Συγκρίνει και να αντιπαραβάλλει τεχνικές πολλαπλής πρόσβασης σε συστήματα κινητών επικοινωνιών, καθώς σε ασύρματα δίκτυα.
● Κατηγοριοποιήσει πρωτόκολλα δικτύου, ad hoc και δίκτυα αισθητήρων, ασύρματων ΜΑΝs, τοπικά δικτύων και τα PANs.
● Μάθει να προσομοιώνει ασύρματα δίκτυα και να αναλύει τα αποτελέσματα της προσομοίωσης.
● Αναλύει και να προτείνει ευρείες λύσεις για μια σειρά σεναρίων κινητών επικοινωνιών.

Διδάσκοντες:

Ονοματεπώνυμο	Ιδιότητα	Γραφείο	Τηλέφωνο	Email
Σκόνδρας Εμμανουήλ	Διδάσκων, Μεταδιδακτορικός Ερευνητής	208/ΚΕΚΤ	+30 210 4142458, +30 210 4142127, +30 210 4142060	skondras@unipi.gr
Βέργαδος Ι. Δημήτριος	Αναπληρωτής Καθηγητής Πανεπιστημίου Δυτικής Μακεδονίας	104/ΓΛ126	+30 210 4142479	dvergados@unipi.gr
Σωτηρόπουλος Διονύσιος	Επίκουρος Καθηγητής	543/ΚΕΚΤ	+30 210 4142314	dsotirop@unipi.gr
Βέργαδος Δημήτριος	Καθηγητής, Διευθυντής ΠΜΣ	104/ΓΛ126	+30 210 4142479	vergados@unipi.gr
Τυροβολάς Μάριος	Διδάσκων

Περίγραμμα Μαθήματος

Επιχειρηματικότητα και Καινοτομία, Διοίκηση Έξυπνων Πόλεων και Περιφερειών - Πράσινη Μετάβαση

Αντικείμενο του μαθήματος είναι η κατανόηση του νέου τρόπου αστικής διακυβέρνησης και διαχείρισης των «Έξυπνων Πόλεων» με την αξιοποίηση ψηφιακών τεχνολογιών και του Διαδικτύου των Πραγμάτων (IoT). Οι συμπράξεις είναι μεταξύ βιομηχανίας – επιχειρήσεων, τοπικών αρχών και κοινωνίας και επικεντρώνουν στη βιώσιμη ανάπτυξη, τη βιώσιμη αστική κινητικότητα, τις βιώσιμες γειτονιές, το βιώσιμο δομημένο περιβάλλον, τις τεχνολογίες για υποδομές ενέργειας, μεταφορών, πληροφοριών και επικοινωνίας. Το Διαδίκτυο των Πραγμάτων (IoT) και οι σύγχρονες ψηφιακές τεχνολογίες, με τη συνδρομή νεοφυών επιχειρήσεων που δραστηριοποιούνται στο τομέα αυτόν, έχουν σαν αποτέλεσμα την ενίσχυση της επιχειρηματικότητας, την μείωση των κοινωνικών ανισοτήτων στον αστικό ιστό και τη μείωση της ανεργίας, καθώς και την ανάπτυξη μια νέας ψηφιακής οικονομίας και εκσυγχρονισμού της Δημόσιας Διοίκησης και σύμπραξης με τον Ιδιωτικό Τομέα. Η υιοθέτηση καινοτόμων τεχνολογικών λύσεων συμβάλουν στην ανάπτυξη της Επιχειρηματικότητας, «ελέγχοντας» με σύγχρονο τεχνολογικό τρόπο την επιχείρηση. Μέσω εφαρμογών που εντάσσονται στο Διαδίκτυο των Πραγμάτων, οι σπουδαστές θα έχουν την ευκαιρία να αναγνωρίσουν υψηλού επιπέδου εξειδικευμένες υπηρεσίες για τον πολίτη, τον πελάτη, με απώτερο στόχο τη βέλτιστη διαχείριση της πληροφορίας.

Μαθησιακά Αποτελέσματα:

Μέχρι το τέλος του μαθήματος, οι φοιτητές θα μπορούν:
● Να κατανοήσουν τις βασικές παραμέτρους που επηρεάζουν τις αποφάσεις χρηματοδότησης.
● Να κατανοήσουν θέματα που σχετίζονται με τους βασικούς στόχους, τις έννοιες, τους ενδιαφερόμενους, τα προβλήματα, τις αποφάσεις, τις μεταβλητές, τις απομιμήσεις και τα εργαλεία που εμπλέκονται στην οικονομική διαχείριση ενός πολιτιστικού οργανισμού.
● Να προετοιμάσουν προϋπολογισμούς και να αξιολογήσουν επενδυτικά έργα.
● Να προσδιορίζουν και να συγκρίνουν τις εναλλακτικές πηγές και διαδικασίες χρηματοδότησης που είναι διαθέσιμες για χρηματοδότηση πολιτιστικών και μη κερδοσκοπικών οργανισμών.
● Να προετοιμάσουν προτάσεις για επιχορηγήσεις.

Διδάσκοντες:

Ονοματεπώνυμο	Ιδιότητα	Γραφείο	Τηλέφωνο	Email
Σιούντρη Κωνσταντίνα	Διδάσκουσα, Αρχιτέκτων Μηχανικός Ε.Μ.Π.	104/ΓΛ126	+30 210 4142479	ksiountri@unipi.gr
Ψυχογυιός Δημήτριος	Αναπληρωτής Καθηγητής	319/Δεληγιώργη 107	+30 210 4142399	dpsycho@unipi.gr
Παπαπαναγιώτου Σταύρος	Διδάσκων, Ηλεκτρολόγος Μηχανικός και Μηχανικός Υπολογιστών ΕΜΠ	104/ΓΛ126	+30 210 4142479	papapast@unipi.gr
Βέργαδος Δημήτριος	Καθηγητής, Διευθυντής ΠΜΣ	104/ΓΛ126	+30 210 4142479	vergados@unipi.gr
Κορωνάκος Γρηγόρης	Διδάσκων

Περίγραμμα Μαθήματος

Εφαρμογές Κινητών, Edge Υπολογιστική και Μελλοντικά Δίκτυα

Το μάθημα πραγματεύεται ζητήματα σχετικά με το σχεδιασμό και την ανάπτυξη εφαρμογών κινητών συσκευών για περιβάλλοντα έξυπνων πόλεων με χρήση τεχνολογιών (υλικού και λογισμικού) του Διαδικτύου των Πραγμάτων (Internet of Things – IoT), καθώς και προγραμματισμό σε περιβάλλον υπολογιστικής νέφους (Cloud). Οι σχετικές εφαρμογές στο πλαίσιο του Διαδικτύου των πραγμάτων περιλαμβάνουν ενδεικτικά: έξυπνες μεταφορές, έξυπνες πόλεις, έξυπνη διαβίωση, έξυπνη ενέργεια, έξυπνη υγεία και έξυπνη μάθηση. Επιπροσθέτως, μελετώνται τεχνικές εικονοποίησης (virtualization) των πόρων στο άκρο του δικτύου που αφορούν την Edge υπολογιστική και την υπολογιστική ομίχλης (Fog computing). Η τεχνολογία Mobile Edge Υπολογιστική (MEC) καθορίζει μία καινοτόμα αρχιτεκτονική δικτύου όπου οι υπηρεσίες υπολογιστικού νέφους παρέχονται από το άκρο του δικτύου, δηλαδή από έξυπνους σταθμούς βάσης και σημεία πρόσβασης στο δίκτυο. Το άκρο του δικτύου είναι το τμήμα που είναι πιο κοντά στον τελικό χρήστη. Μεταφέροντας τις υπηρεσίες σε αυτό, περιορίζονται οι καθυστερήσεις (delays) καθώς μειώνεται η απόσταση μεταξύ του χρήστη και του τόπου από όπου παρέχονται οι υπηρεσίες. Επίσης, αναλύονται ζητήματα σχεδιασμού και ανάπτυξης Ασύρματων Δικτύων Πέμπτης Γενιάς (5G wireless networks), Πυκνών Δικτύων (Ultra Dense Networks – UDN), Ασύρματων Δικτύων Αισθητήρων (Wireless Sensor Networks – WSN), Δικτύων Καθοριζόμενων από το Λογισμικό (Software Defined Networks – SDN) και Οχηματικών Δικτύων (Vehicular Networks) για περιβάλλοντα έξυπνων πόλεων.

Μαθησιακά Αποτελέσματα:

Με την επιτυχή ολοκλήρωση αυτής της ενότητας οι φοιτητές θα είναι σε θέση να:
●   Προσδιορίσουν τις βασικές έννοιες των ασύρματων δικτύων. Εισάγουν διάφορα ασύρματα συστήματα και πρότυπα και τις βασικές περιπτώσεις της λειτουργίας τους.
●   Αναλύσουν θεωρίες κυκλοφορίας, και μοντέλα κινητής ραδιο-διάδοσης ραδιόφωνο, κωδικοποίησης καναλιού, και θέματα κυψελωτών επικοινωνιών.
●   Μάθει να μοντελοποιεί θέματα διάδοσης ραδιοσήματος και να αναλυθούν οι επιπτώσεις τους στην απόδοση του συστήματος επικοινωνιών.
●   Κατανοήσει τις τεχνικές κατανομής του ραδιοφάσματος σε συστήματα πολλαπλών χρηστών και τις επιπτώσεις τους στην χωρητικότητα των δικτύων.
●   Συγκρίνει και να αντιπαραβάλλει τεχνικές πολλαπλής πρόσβασης σε συστήματα κινητών επικοινωνιών, καθώς σε ασύρματα δίκτυα.
●   Κατηγοριοποιήσει πρωτόκολλα δικτύου, ad hoc και δίκτυα αισθητήρων, ασύρματων ΜΑΝs, τοπικά δικτύων και τα PANs.
●   Μάθει να προσομοιώνει ασύρματα δίκτυα και να αναλύει τα αποτελέσματα της προσομοίωσης.
●   Αναλύει και να προτείνει ευρείες λύσεις για μια σειρά σεναρίων κινητών επικοινωνιών.
●   Να κατανοεί τις τεχνικές προγραμματισμού σε smart συσκευές IoT.
●   Να κατανοεί τις τεχνικές εξατομίκευσης για φωνητική απόκριση με ΙοΤ συσκευές στο Edge.
●   Κατανοήσει τις τεχνικές εικονοποίησης (virtualization) των πόρων.
●   Nα μάθει να πραγματοποιεί εικονοποίηση πόρων.
●   Να αναλύει τα λειτουργικά μέρη που απαιτούνται για τον προγραμματισμό ΙοΤ συσκευών με φωνητική απόκριση στο Edge.

Διδάσκοντες:

Ονοματεπώνυμο	Ιδιότητα	Γραφείο	Τηλέφωνο	Email
Μιχάλας Άγγελος	Καθηγητής Πανεπιστημίου Δυτικής Μακεδονίας	208/ΚΕKΤ		amichalas@unipi.gr
Σκόνδρας Εμμανουήλ	Διδάσκων, Μεταδιδακτορικός Ερευνητής	208/ΚΕΚΤ	+30 210 4142458, +30 210 4142127, +30 210 4142060	skondras@unipi.gr
Αλέπης Ευθύμιος	Αναπληρωτής Καθηγητής	540/ΚΕΚΤ	+30 210 4142311	talepis@unipi.gr
Σακκόπουλος Ευάγγελος	Αναπληρωτής Καθηγητής	543/ΚΕΚΤ	+30 210 4142312	sakkopul@unipi.gr
Βέργαδος Δημήτριος	Καθηγητής, Διευθυντής ΠΜΣ	104/ΓΛ126	+30 210 4142479	vergados@unipi.gr

Περίγραμμα Μαθήματος

Ασφάλεια Πληροφοριών Δημοσίων Υπηρεσιών και Συστημάτων και Τεχνολογίες Blockchain

Η ευρεία χρήση της τεχνολογίας πέρα από το να απλοποιεί και να αυτοματοποιεί αρκετές καθημερινές μας εργασίες εκθέτει χρήστες και οργανισμούς σε ένα πλήθος κινδύνων. Οι κίνδυνοι αυτοί μπορεί να προέρχονται από πολλούς παράγοντες όπως λανθασμένη αρχιτεκτονική του συστήματος, λανθασμένη παραμετροποίησή του ή έλλειψη απαραίτητων μηχανισμών ελέγχου. Στο πλαίσιο του μαθήματος θα εξεταστούν πραγματικά υπολογιστικά συστήματα Δημοσιών Υπηρεσιών με συνήθη προβλήματα ασφάλειας και μεθοδολογία εντοπισμού τους, τόσο χειροκίνητα, όσο και με τη χρήση εργαλείων καθώς και να εντοπίσει βασικά προβλήματα ασφάλειας σε web και mobile εφαρμογές.

Δεδομένης της ανάγκης των σύγχρονων συστημάτων Δημοσιών Υπηρεσιών για αποκεντρωμένες και ασφαλείς αρχιτεκτονικές, το μάθημα θα αναλύσει τις τεχνολογίες Blockchain, την ασφάλειά τους, τις εφαρμογές τους καθώς και πλατφόρμες ανάπτυξης τέτοιων εφαρμογών.

Μαθησιακά Αποτελέσματα:

Application security vulnerabilities
Discovery of security vulnerabilities in web applications
Secure password storage
Hashing & encryption functions
Basic structural characteristics of Blockchains
Proof of Work
Proof of Stake
Applications of blockchains in various sectors
Tokenization
Writing Smart Contracts for Ethereum
Distributed storage space & Blockchains
IPFS

Διδάσκοντες:

Ονοματεπώνυμο	Ιδιότητα	Γραφείο	Τηλέφωνο	Email
Πατσάκης Κωνσταντίνος	Αναπληρωτής Καθηγητής	540/ΚΕΚΤ	+30 210 4142261	kpatsak@unipi.gr
Θωμάς Δασακλής	Επίκουρος Καθηγητής Ελληνικού Ανοικτού Πανεπιστημίου	104/ΓΛ126	+30 210 4142479	dasaklis@unipi.gr
Βέργαδος Δημήτριος	Καθηγητής, Διευθυντής ΠΜΣ	104/ΓΛ126	+30 210 4142479	vergados@unipi.gr
Μάλαμας Ευάγγελος	Διδάσκων			bagmalamas@unipi.gr

Περίγραμμα Μαθήματος

Πληθοπορισμός, Κοινωνική δικτύωση και Σημασιολογικές Τεχνολογίες

Εισαγωγή στην Σημασιολογία, Δόμηση Πληροφορίας και Γνώσης, Οργάνωση Πληροφορίας στον Παγκόσμιο Ιστό, Σημασιολογικά Πρωτόκολλα (RDF, RDF Schema, OWL, SPARQL). Εργαλεία Ανάπτυξης και Διαχείρισης Οντολογιών, Ανάπτυξη Οντολογιών, Τεχνολογίες Web 3.0 και Mηχανές Aναζήτησης, Text Analytics, Text mining και Web Sentiment Analysis, Εφαρμογές συλλογικής ευφυΐας (Collective Intelligence), Crowsourcing.

Μαθησιακά Αποτελέσματα:

Με την επιτυχή ολοκλήρωση του μαθήματος, ο φοιτητής/η φοιτήτρια θα είναι σε θέση να:

Κατανοεί τις βασικές αρχές της σημασιολογίας και της δόμησης πληροφορίας και γνώσης, καθώς και τη σημασία τους για τον Παγκόσμιο Ιστό.
Εξηγεί και αξιοποιεί σημασιολογικά πρότυπα και πρωτόκολλα, όπως:
RDF (Resource Description Framework)
RDF Schema
OWL (Web Ontology Language)
SPARQL (SPARQL Protocol and RDF Query Language)
Αναπτύσσει και διαχειρίζεται οντολογίες με χρήση κατάλληλων εργαλείων ανάπτυξης και διαχείρισης οντολογιών (π.χ. Protégé).
Οργανώνει και ενσωματώνει πληροφορία στον Σημασιολογικό Ιστό, ακολουθώντας τις αρχές του Web 3.0.
Εφαρμόζει τεχνικές Text Analytics και Text Mining, για την εξαγωγή πληροφορίας και γνώσης από μεγάλα κείμενα.

Διδάσκοντες:

Ονοματεπώνυμο	Ιδιότητα	Γραφείο	Τηλέφωνο	Email
Αναγνωστόπουλος Ιωάννης	Καθηγητής Πανεπιστημίου Θεσσαλίας	104/ΓΛ126	+30 210 4142479	janag@unipi.gr
Ραζής Γεράσιμος	Διδάσκων	104/ΓΛ126	+30 210 4142479	makisraz@unipi.gr

Περίγραμμα Μαθήματος

Πνευματική Ιδιοκτησία, Προσωπικά Δεδομένα και Ρυθμιστικά Θέματα

Η ανάπτυξη των ψηφιακών τεχνολογιών και ιδίως του διαδικτύου των πραγμάτων (Internet of Things) εγείρει πληθώρα νομικών ζητημάτων από το δίκαιο της πνευματικής ιδιοκτησίας, τα ζητήματα προστασίας της ιδιωτικότητας, της προστασίας του καταναλωτή, της ελεύθερης πρόσβασης στην πληροφορία, της ρύθμισης δικαιωμάτων επί των δεδομένων γενικότερα (ιδίως η περίπτωση των Big data) αλλά και της ασφάλειας των πληροφοριακών συστημάτων (information security/ cybercime issues). Στο μάθημα εξετάζονται όλα τα ανωτέρω και επιπλέον ενδεικτικά οι νομικές πτυχές της τεχνητής νοημοσύνης (artificial intelligence), της μηχανικής εκμάθησης (machine learning), της τεχνολογίας της «αλυσίδας των μπλοκ» (blockchain technology) και των έξυπνων συμβολαίων (smart contracts).

Σκοπός του μαθήματος είναι η δυνατότητα ανίχνευσης και αντιμετώπισης των νομικών ζητημάτων που άπτονται της ραγδαίας ανάπτυξης των ψηφιακών τεχνολογιών και ιδίως της νέας πραγματικότητας του διαδικτύου των πραγμάτων (Internet Of Things).

Μαθησιακά Αποτελέσματα:

Με την ολοκλήρωση του οι σπουδαστές αναμένεται να είναι σε θέση:
●    Να αναγνωρίζουν τις πιθανές περιπτώσεις προσβολής δικαιωμάτων τρίτων κατά την ανάπτυξη ψηφιακών εφαρμογών στο πλαίσιο του διαδικτύου των πραγμάτων και των προηγμένων ψηφιακών τεχνολογιών
●    Να αναγνωρίζουν τις δυνατότητες αξιοποίησης του νομικού οπλοστασίου για την υλοποίηση των σχετικών εφαρμογών
●    Να διαπραγματεύονται τη θέση τους και τις ευθύνες τους στο πλαίσιο σχετικών δράσεων
●    Να έχουν άποψη κα θέση για τις αντίστοιχες επιχειρησιακές στρατηγικές ιδιωτικών ή δημόσιων φορέων

Διδάσκοντες:

Ονοματεπώνυμο	Ιδιότητα	Γραφείο	Τηλέφωνο	Email
Βαγενά Ευαγγελία	Διδάσκουσα, IT & IP Law Expert and lecturer, CIPP/E, vice president of HADPP	104/ΓΛ126	+30 210 4142479	evagena@unipi.gr
Βέργαδος Δημήτριος	Καθηγητής, Διευθυντής ΠΜΣ	104/ΓΛ126	+30 210 4142479	vergados@unipi.gr

Περίγραμμα Μαθήματος

Αστικός Σχεδιασμός Ψηφιακών Πόλεων

Το μάθημα στοχεύει στη δημιουργία διεπιστημονικών ομάδων εμπειρογνωμόνων που μπορούν να σχεδιάσουν καινοτόμες λύσεις που μπορούν να εξασφαλίσουν τη βιωσιμότητα των πόλεων του μέλλοντος. Θα διερευνήσουμε τις τεχνολογικές τάσεις και τα εργαλεία που υποστηρίζουν τον ψηφιακό μετασχηματισμό των κοινοτήτων μας και θα εμβαθύνουμε στις περιβαλλοντικές και κοινωνικές επιπτώσεις που πρέπει να ληφθούν υπόψη όταν ξανασκεφτούμε το μέλλον μιας πόλης.

Μαθησιακά Αποτελέσματα:

Με την ολοκλήρωση του μαθήματος οι σπουδαστές αναμένεται να είναι σε θέση να εργαστούν πάνω στις νέες αρχές πολεοδομικού σχεδιασμού και τεχνολογίες ψηφιακής ανάδρασης, οι οποίες θα επιτρέπουν τη δημιουργία κατανεμημένων και δυναμικών αστικών συστημάτων, μειώνοντας έτσι σημαντικά την κατανάλωση πόρων. Να γνωρίσουν ότι το “έξυπνο” δεν δείχνει απαραίτητα την αυτοματοποιημένη, τεχνητή νοημοσύνη αυτών των διαφορετικών συστημάτων, αλλά αναφέρεται και τρόπο με τον οποίο σχεδιαστές, καλλιτέχνες, θεωρητικοί, μηχανικοί και αξιωματούχοι της πόλης προσεγγίζουν το αστικό περιβάλλον. Να κατανοήσουν ότι το να είσαι “έξυπνος” για τον πολεοδομικό σχεδιασμό σημαίνει κατανόηση της οικονομίας, της πυκνότητας, των δικτύων, των κοινωνικών χαρακτηριστικών και της ιδιαίτερης φυσιογνωμίας του τόπου.

Επιπρόσθετα, οι φοιτητές θα είναι σε θέση να:
●   Προσδιορίσουν τις βασικές έννοιες των γεωγραφικών συστημάτων πληροφοριών.
●   Αναλύουν διαφορετικά χωρικά επίπεδα και κλίμακες και να επιλέγουν κατάλληλο χωρικό μοντέλο δεδομένων.
●   Αναλύουν δημογραφικά και εν γένει στατιστικά δεδομένα σε επίπεδο χώρας/περιφέρειας/περιφερειακής ενότητας και να τα απεικονίζουν χαρτογραφικά.
●   Αναλύουν δεδομένα σε αστικό/πολεοδομικό επίπεδο και να τα απεικονίζουν χαρτογραφικά.
●   Να θέτουν χωρικά ερωτήματα και να ερμηνεύουν τα αποτελέσματά τους.

Διδάσκοντες:

Ονοματεπώνυμο	Ιδιότητα	Γραφείο	Τηλέφωνο	Email
Σιούντρη Κωνσταντίνα	Διδάσκουσα, Αρχιτέκτων Μηχανικός Ε.Μ.Π.	104/ΓΛ126	+30 210 4142479	ksiountri@unipi.gr
Βασιλαρά Αρχοντούλα	Ε.ΔΙ.Π. ΕΜΠ, Διδάσκουσα	104/ΓΛ126	+30 210 4142479	avasilara@unipi.gr
Τσίγκας Επαμεινώνδας	Διδάσκων, ΕΔΙΠ ΕΜΠ	104/Lam.126	+30 210 4142479	etsigkas@unipi.gr

Περίγραμμα Μαθήματος

Λογισμικό Διαδικτύου των Πραγμάτων (ΙοΤ) και Εφαρμογές

Αντικείμενο του μαθήματος είναι η ανάπτυξη εφαρμογών οι οποίες μπορούν να εκτελεστούν από σύγχρονες IoT συσκευές με ενσωματωμένο λειτουργικό σύστημα. Οι εφαρμογές αυτές δύναται να αξιοποιηθούν στο πλαίσιο των έξυπνων σπιτιών (Smart Houses), όσο και σε συσκευές και εξοπλισμό που χρησιμοποιεί ο σύγχρονος άνθρωπος, όπως τα «έξυπνα» τηλέφωνα (Smartphones), όσο και σε άλλες έξυπνες συσκευές, οι οποίες έχουν κάνει την εμφάνισή τους τα τελευταία χρόνια και χρησιμοποιούν λειτουργικό σύστημα. Το λογισμικό για το IoT περιλαμβάνει μεταξύ άλλων, λογισμικό από υπολογιστή, λογισμικό για wearables, λογισμικό για έξυπνες τηλεοράσεις, λογισμικό για τα νέας γενιάς έξυπνα αυτοκίνητα, καθώς και λογισμικό για έξυπνες πλακέτες “Android Things”. Στο μάθημα αναλύονται τα δημοφιλέστερα λειτουργικά συστήματα IoT, καθώς και τα εργαλεία ανάπτυξης εφαρμογών σε αυτά, ενώ παράλληλα αναλύονται και μεθοδολογίες ανάπτυξης λογισμικού, καθώς και ανάπτυξη λογισμικού σε πλατφόρμες υπολογιστικού νέφους.

Μαθησιακά Αποτελέσματα:

Με την επιτυχή ολοκλήρωση του μαθήματος, ο φοιτητής/η φοιτήτρια θα είναι σε θέση να:

Κατανοεί την έννοια των έξυπνων πόλεων (Smart Cities) και τον ρόλο του λογισμικού στην υποστήριξη των υποδομών και υπηρεσιών τους.
Αναγνωρίζει τις βασικές κατηγορίες έξυπνων συσκευών, όπως smartphones, wearables, smart TVs, smart cars και Android Things συσκευές, και κατανοεί τις ιδιαιτερότητές τους σε επίπεδο λογισμικού.
Αναλύει και αξιολογεί τα δημοφιλέστερα λειτουργικά συστήματα IoT, καθώς και τις πλατφόρμες και εργαλεία ανάπτυξης εφαρμογών για αυτά.
Αναπτύσσει εφαρμογές για κινητές συσκευές με χρήση της αντικειμενοστρεφούς γλώσσας προγραμματισμού Java σε περιβάλλον Android.
Σχεδιάζει και υλοποιεί λογισμικό που αξιοποιεί πλατφόρμες υπολογιστικού νέφους (cloud computing) για έξυπνες εφαρμογές.
Ενσωματώνει τεχνολογίες έξυπνων συσκευών σε λύσεις λογισμικού για αστικά περιβάλλοντα, ενισχύοντας τη λειτουργικότητα και διασυνδεσιμότητα των συστημάτων.

Διδάσκοντες:

Ονοματεπώνυμο	Ιδιότητα	Γραφείο	Τηλέφωνο	Email
Μιχάλας Άγγελος	Καθηγητής Πανεπιστημίου Δυτικής Μακεδονίας	208/ΚΕKΤ		amichalas@unipi.gr
Σκόνδρας Εμμανουήλ	Διδάσκων, Μεταδιδακτορικός Ερευνητής	208/ΚΕΚΤ	+30 210 4142458, +30 210 4142127, +30 210 4142060	skondras@unipi.gr
Αλέπης Ευθύμιος	Αναπληρωτής Καθηγητής	540/ΚΕΚΤ	+30 210 4142311	talepis@unipi.gr
Βέργαδος Ι. Δημήτριος	Αναπληρωτής Καθηγητής Πανεπιστημίου Δυτικής Μακεδονίας	104/ΓΛ126	+30 210 4142479	dvergados@unipi.gr
Στεφάνου Βασιλεία	Διδάσκουσα	104/ΓΛ126	+30 210 4142479	vstefanou@unipi.gr
Βέργαδος Δημήτριος	Καθηγητής, Διευθυντής ΠΜΣ	104/ΓΛ126	+30 210 4142479	vergados@unipi.gr
Τυροβολάς Δημήτριος	Διδάσκων	104/ΓΛ126	+30 210 4142479

Περίγραμμα Μαθήματος