Έξυπνες Πόλεις & Προηγμένες Ψηφιακές Τεχνολογίες

Smart Cities & Advanced Digital Technologies

Σχεδιάζοντας τις υποδομές, τις υπηρεσίες και τα δεδομένα των πόλεων του μέλλοντος

Η Κατεύθυνση “Έξυπνες Πόλεις και Προηγμένες Ψηφιακές Τεχνολογίες” προετοιμάζει επιστήμονες να σχεδιάζουν, αναπτύσσουν και διαχειρίζονται συστήματα και υπηρεσίες που μεταμορφώνουν το αστικό περιβάλλον. Από τις έξυπνες μεταφορές και τις ενεργειακές υποδομές έως τις πλατφόρμες IoT και την ψηφιακή διακυβέρνηση, οι φοιτητές αποκτούν πρακτική τεχνογνωσία για την επόμενη γενιά ψηφιακών πόλεων.

Σχεδιασμός Έξυπνων Πόλεων
Μάθε να συνδυάζεις υποδομές, τεχνολογίες και δεδομένα για βιώσιμα, λειτουργικά και ανθεκτικά αστικά οικοσυστήματα.

IoT & Υπολογιστική Νέφους
Ανέπτυξε συστήματα Διαδικτύου των Πραγμάτων και διαχειρίσου δίκτυα cloud, edge και 5G για την υποστήριξη προηγμένων αστικών υπηρεσιών.

Ασφάλεια, Προσωπικά Δεδομένα & Blockchain
Κατανόησε τις νομικές, τεχνολογικές και ηθικές προκλήσεις που προκύπτουν από τη χρήση big data, IoT και blockchain σε δημόσιες υποδομές και υπηρεσίες.

Πράσινη Μετάβαση & Καινοτομία
Σχεδίασε λύσεις για βιώσιμη ανάπτυξη, επιχειρηματικότητα και πολιτική προστασία, ενσωματώνοντας τις αρχές της έξυπνης διαχείρισης πόρων.

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

Βιώσιμη Κινητικότητα και Εφοδιαστική Αλυσίδα - Αλγοριθμικά Θέματα Αστικών Μεταφορών

Το αντικείμενο του μαθήματος είναι η μοντελοποίηση και η παρουσίαση αλγοριθμικών τεχνικών για υπολογιστικά προβλήματα που ανακύπτουν στο πεδίο των αστικών μεταφορών. Συγκεκριμένα, θα παρουσιαστούν τεχνικές βελτιστοποίησης και αλγόριθμοι για το σχεδιασμό και τη διαχείριση των μεταφορών αγαθών και ατόμων καθώς και της επαγόμενης κυκλοφορίας σε αστικό περιβάλλον. Οι διαλέξεις του μαθήματος θα αφορούν τα ακόλουθα θέματα: Πρόβλεψη κίνησης, Τιμολόγηση υπηρεσιών, Πολυτροπικές (Multi-modal) μεταφορές, Μοντελοποίηση συμφόρησης και τεχνικές μείωσης, Σχεδιασμός γραμμών για μαζικά μέσα μεταφοράς και σχεδιασμός δρομολογίων (timetabling), Μοντέλα Συμπεριφοράς Χρηστών, Σχεδιασμός υποδομών, Δρομολόγηση σε δίκτυα δρόμων, Διαχείριση καθυστέρησης και έκτακτων συμβάντων, Δρομολόγηση στόλου οχημάτων και θέματα εφοδιαστικής αλυσίδας, Κεντρική διαχείριση κυκλοφορίας, Ελεκτρο-κίνηση και πράσινες μεταφορές, Συστήματα διαμοιρασμού οχημάτων (car sharing, car pooling, ride sharing), Σχεδίαση τουριστικών διαδρομών, Παιγνιοθεωρητικές τεχνικές απόδοσης κινήτρων σε χρήστες, Ευφυείς λύσεις στάθμευσης, Η Κινητικότητα ως Υπηρεσία (Mobility as a Service) και χρήση ενός εισιτηρίου για όλες τις αστικές μετακινήσεις.

Μαθησιακά Αποτελέσματα:

Με την επιτυχή ολοκλήρωση αυτής της ενότητας οι φοιτητές θα είναι σε θέση να:
● Κατανοήσουν τις βασικές αρχές του User Experience (UX), την σχέση του με την Διεπαφή Χρήστη (UI), και τον ρόλο αυτών στο σχεδιασμό διαδραστικών συστημάτων.
● Μάθουν την σημασία της αξιολόγησης της χρηστικότητας ενός συστήματος, και να μπορούν εφαρμόσουν την μέθοδο ευρηματικής (heuristics) με στόχο την αξιολόγηση διαδραστικών συστημάτων.

Διδάσκοντες:

Ονοματεπώνυμο	Ιδιότητα	Γραφείο	Τηλέφωνο	Email
Κωνσταντόπουλος Χαράλαμπος	Καθηγητής, Αναπληρωτής Διευθυντής ΠΜΣ	104/ΓΛ126	+30 210 4142124	konstant@unipi.gr
Πάντζιου Γραμματή	Καθηγήτρια Πανεπιστημίου Δυτικής Αττικής

Περίγραμμα Μαθήματος

Ενεργειακή Διαχείριση και Κυκλική Οικονομία - Πράσινες Πόλεις και Έξυπνη Γεωργία

Στο πλαίσιο του μαθήματος θα μελετηθούν νέες τεχνολογίες που εφαρμόζονται σε ένα «έξυπνο κτήριο» (smart building) καθώς και σε γεωργικές εκμεταλλεύσεις που επιτρέπουν την παρακολούθηση της κατανάλωσης ενέργειας συνολικά, καθώς και των επιμέρους καταναλώσεων. Θα δοθεί έμφαση σε τεχνολογίες όπως το Διαδίκτυο των Πραγμάτων (Internet of Things – IoT), οι αισθητήρες και ενεργοποιητές, τα συστήματα γεω-εντοπισμού, τα Μεγάλα Δεδομένα (Big Data). Οι διαλέξεις του μαθήματος θα επικεντρωθούν στις ακόλουθες θεματικές ενότητες: Τεχνολογίες που επιτρέπουν τον απομακρυσμένο έλεγχο φορτίων με τη χρήση έξυπνων φορτίων (controllable loads), καινοτόμοι αλγόριθμοι αυτόματης διαχείρισης των φορτίων με τη βοήθεια αισθητήρων και ενεργοποιητών (θέρμανσης/υγρασίας/κίνησης/παρουσίας/θέσης παραθύρων), συστήματα υποστήριξης αποφάσεων (Decision Support Systems – DSS) για την ολοκληρωμένη διαχείριση των γεωργικών εκμεταλλεύσεων με στόχο την βελτιστοποίηση της απόδοσης, συστήματα δυναμικής προσαρμογής του φορτίου σε πραγματικό χρόνο με βάση τις συνθήκες της αγοράς ενέργειας με σκοπό την ελαχιστοποίηση του κόστους κατανάλωσης καθιστώντας δυνατή την ένταξή τους σε ενεργειακές κοινότητες.

Μαθησιακά Αποτελέσματα:

Με την επιτυχή ολοκλήρωση αυτής της ενότητας οι φοιτητές θα είναι σε θέση να:
●   Να κατανοήσουν την αρχιτεκτονική δομή του ευφυούς ηλεκτρικού δικτύου και τις εναλλακτικές τεχνολογίες υλοποίησης του.
●   Να αξιολογήσουν τη χρησιμότητα κάθε τεχνολογίας ευφυούς ηλεκτρικού δικτύου ανάλογα με τα χαρακτηριστικά της περιοχής υλοποίησης.
●   Να αποκτήσουν εξοικείωση με τους έξυπνους μετρητές και τις παραγόμενες ανάγκες για υποδομές big data και cloud.
●   Να μάθουν τις βασικές αρχές του θεσμικού πλαισίου ενεργειακής διαχείρισης υποδομών με έμφαση κτιριακές υποδομές (γραφεία, παραγωγή, συναθροίσεις).
●   Να κατανοήσουν τη χρησιμότητα της εγκατάστασης ενός συστήματος ενεργειακής διαχείρισης και της τακτικής διενέργειας ενεργειακών ελέγχων σύμφωνα με τον νόμο.
●   Να κατανοήσουν τις βασικές μεταβλητές που επηρεάζουν την ενεργειακή κατανάλωση και τον τρόπο προσδιορισμού του ενεργειακού αποτυπώματος.
● Να κατανοήσουν την ενεργειακή διαχείριση πληροφοριακών υποδομών με έμφαση τα data center.
●   Να εξοικειωθούν με τεχνολογίες ΣμηΕΑ (Συστήματος μη επανδρωμένων αεροσκαφών) για έξυπνες γεωργικές δραστηριότητες.

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
Βέργαδος Δημήτριος	Καθηγητής, Διευθυντής ΠΜΣ	104/ΓΛ126	+30 210 4142479	vergados@unipi.gr
Τυροβολάς Δημήτριος	Διδάσκων	104/ΓΛ126	+30 210 4142479
Λιβιεράτος Σπυρίδων	Καθηγητής, ΑΣΠΑΙΤΕ			slivieratos@unipi.gr
Σπάχος Πέτρος	Αναπληρωτής Καθηγητής Πανεπιστημίου Θεσσαλίας

Περίγραμμα Μαθήματος

Αειφόρος πολιτιστική ανάπτυξη και ESG για ψηφιακές πόλεις

Ο στόχος του μαθήματος είναι να προετοιμάσει τους φοιτητές να συμβάλλουν στη διαμόρφωση των ψηφιακών πόλεων του μέλλοντος, με πρακτικές, αρχές και αξίες που θα προωθούν την ενίσχυση της ποιότητας ζωής μέσω της βιώσιμης ανάπτυξης. Αυτό προϋποθέτει την ολιστική αντιμετώπιση των πολιτιστικών, περιβαλλοντικών και οικονομικών και κοινωνικών πτυχών της αστικής ζωής, αναγνωρίζοντας τη σημασία της πολιτισμικής κληρονομιάς και των πολιτιστικών πόρων στην ευημερία των πολιτών.

Μαθησιακά Αποτελέσματα:

Με την επιτυχή ολοκλήρωση αυτής της ενότητας οι φοιτητές θα είναι σε θέση να:
●   Προσδιορίσουν τις βασικές έννοιες των πολιτιστικών διαδρομών.
●   Κατανοήσουν τις τεχνικές προβολής και προώθησης των πολιτιστικών διαδρομών.
●   Αναλύουν και να προτείνουν τεχνικές σχεδιασμού ψηφιακών πολιτιστικών διαδρομών.

Διδάσκοντες:

Ονοματεπώνυμο	Ιδιότητα	Γραφείο	Τηλέφωνο	Email
Σιούντρη Κωνσταντίνα	Διδάσκουσα, Αρχιτέκτων Μηχανικός Ε.Μ.Π.	104/ΓΛ126	+30 210 4142479	ksiountri@unipi.gr
Καταπότη Δέσποινα	Αναπληρώτρια Καθηγήτρια Πανεπιστήμιο Αιγαίου

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 για Έξυπνες Πόλεις

Αντικείμενο του μαθήματος είναι η ανάπτυξη λογισμικού το οποίο να μπορεί να αξιοποιηθεί στο πλαίσιο των έξυπνων πόλεων. Το λογισμικό αυτό δύναται να εγκατασταθεί και να λειτουργήσει τόσο στα σύγχρονα «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 που μπορεί αν αξιοποιηθεί στις έξυπνες πόλεις περιλαμβάνει μεταξύ άλλων, 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, ωστόσο η ύλη περιλαμβάνει κυρίως τη χρήση της αντικειμενοστρεφούς γλώσσας προγραμματισμού Java, για την ανάπτυξη εφαρμογών σε κινητές συσκευές υπό το λειτουργικό σύστημα Android, 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