Τίτλος

Aνάλυση Δικτύων και Εξόρυξη Γνώσης από τον Παγκόσμιο Ιστό

(Network Analysis and Web Mining)

Στόχοι

Στόχος είναι η μελέτη, ανάλυση και εξόρυξη γνώσης από τον παγκόσμιο ιστό αλλά και τα κοινωνικά δίκτυα. Το μάθημα θα κινηθεί σε δύο άξονες την ανάλυση δικτύων και την εξόρυξη γνώσης από το web. Ο πρώτος άξονας εστιάζεται στη μέτρηση, ανάλυση και απεικόνιση των σχέσεων και των ροών ανάμεσα στις οντότητες που συμμετέχουν σε ένα δίκτυο με έμφαση στις ιδιότητες και εφαρμογές στον παγκόσμιο ιστό και τα κοινωνικά δίκτυα. Στο πλαίσιο της εξόρυξης γνώσης από τον ιστό, θα γίνει μελέτη μεθόδων και εργαλείων για την εξόρυξη γνώσης τόσο από το περιεχόμενο, τη δομή αλλά και τα δεδομένα χρήσης του παγκόσμιου ιστού με έμφαση στην διαχείριση μη σχεσιακών δεδομένων, όπως ήμι-δομημένα με μορφή γραφημάτων ή και αδόμητα όπως το κείμενο.

Δεξιότητες

Χρήση εργαλείων εξόρυξης γνώσης από δεδομένα και ανάλυσης δεδομένων όπως Python (NetworkX) και Rapidminer, και εργαλείων διαχείρισης και  οπτικοποίησης γραφημάτων όπως Neo4j , Pajekκαι Gephi.

Προαπαιτήσεις

-

Πώς θα καλυφτούν οι προαπαιτήσεις

Θα δοθεί βιβλιογραφία στα πλαίσια του μαθήματος, και θα υπάρξει επίβλεψη/καθοδήγηση από τον διδάσκοντα.

Περιεχόμενο μαθήματος

Η αρχιτεκτονική του ιστού, Εκκεντρικότητα και άλλες μετρικές δικτύων, Ομοφιλία και εντοπισμός κοινοτήτων, Ανάλυση συνδέσμων και αναζήτηση στον παγκόσμιο ιστό, Σχηματισμός, εξέλιξη κοινωνικών δικτύων και πρόβλεψη συνδέσεων, Επιρροή και διάχυση πληροφορίας, Οπτικοποίηση κοινωνικών δικτύων, Εξόρυξη κειμένου, Εξόρυξη γνώμης, Εξόρυξη από δεδομένα χρήσης στον παγκόσμιο ιστό , Διαφήμιση στον ιστό, Συστήματα συστάσεων 

Προτεινόμενα βιβλία

David Easley, Jon Kleinberg, “Networks, Crowds, and Markets -Reasoning about a Highly Connected World”, Cambridge University Press, 2010.

Bing Liu, “Web Data Mining - Exploring Hyperlinks, Contents, and Usage Data”, Springer 2011.

Jure Leskovec, Anand Rajaraman, Jeff Ullman, “Mining of Massive Datasets”, 2nd Edition, Cambridge University Press, 2014.

Steve Borgatti, Martin Everett and Jeff Johnson, “Analyzing Social Networks”, 2nd Edition, Sage, 2018.

Mohammed Zuhair Al-Taie, Seifedine Kadry, “Python for Graph and Network Analysis”, Springer, 2017.

Dmitry Zinoviev, “Complex Network Analysis in Python: Recognize - Construct - Visualize - Analyze – Interpret”, Pragmatic Bookshelf , 2018.

Μέθοδοι αξιολόγησης

Εργασίες & τελική γραπτή εξέταση

Ιστοσελίδα μαθήματος

Το μάθημα θα φιλοξενηθεί στο http://compus.uom.gr

Τίτλος

Δίκτυα Υπολογιστών για Δεδομένα Μεγάλου Όγκου

(Computer Networks for Big Data)

Στόχοι

Το μάθημα έχει ως γενικό στόχο την κατανόηση και εξοικείωση με τις τεχνολογίες και αρχιτεκτονικές δικτύων για την επεξεργασία και ανάλυση μεγάλου όγκου δεδομένων (BigData), που μπορεί να αντλούνται από πηγές, όπως ο Παγκόσμιος Ιστός, Κοινωνικά Δίκτυα και Υπολογιστικά Νέφη.

Αρχικά ο φοιτητής θα κατανοήσει τη σημαντική επίπτωση που έχει το δίκτυο στο χρόνο εκτέλεσης των εργασιών ανάλυσης δεδομένων. Στη συνέχεια, ο φοιτητής θα εντρυφήσει στα κέντρα δεδομένων, δηλ. στη βασική δικτυακή υποδομή, όπου γίνεται η επεξεργασία των δεδομένων. Ο φοιτητής θα είναι σε θέση να κατανοήσει τον τρόπο δικτύωσης των κέντρων δεδομένων, τα προβλήματα κλιμακωσιμότητας του δικτύου, καθώς και προχωρημένες αρχιτεκτονικές δικτύων (π.χ. Portland) για την αντιμετώπιση αυτών των προβλημάτων.

Επίσης ο φοιτητής θα κατανοήσει τις βασικές τεχνικές για την εξισορρόπιση φορτίου (π.χ. ECMP) στα δίκτυα κέντρων δεδομένων κατά την ανάλυση δεδομένων μεγάλου όγκου. Θα συζητηθούν τα προβλήματα αυτών των τεχνικών και θα  μελετηθούν πιο προχωρημένες λύσεις (π.χ. Hedera) για την αντιμετώπιση αυτών των προβλημάτων, και συνεπώς την ταχύτερη εκτέλεση των εργασιών ανάλυσης δεδομένων.

Το μάθημα επίσης θα καλύψει εκτενώς τεχνικές διαχείρισης δικτύων κέντρων δεδομένων με τη χρήση δικτύων οριζόμενων μέσω λογισμικού (SDN). Ο φοιτητής θα είναι σε θέση να κατανοήσει τον τρόπο λειτουργίας αυτού του κεντρικού μοντέλου διαχείρισης δικτύων, που έχουν εστερνιστεί οι περισσότεροι πάροχοι δικτύων και κατασκευαστές δικτυακού εξοπλισμού. Επίσης στόχος είναι και η εξοικείωση του φοιτητή με πρωτόκολλα διαχείρισης των συσκευών του δικτύου με το πρωτόκολλο SNMP. Ο φοιτητής θα έχει πλήρη αντίληψη των βασικών τεχνικών και ρυθμίσεων που απαιτούνται για την αποδοτική ανάλυση δεδομένων μεγάλου όγκου.

Τέλος, θα μελετηθούν και τεχνικές για την ενσωμάτωση τοπολογιών εικονικών δικτύων σε υποδομές παρόχων. Με αυτόν τον τρόπο, ο φοιτητής θα είναι σε θέση να αντιληφθεί πώς μπορεί να βελτιστοποιηθεί η δέσμευση πόρων κατά τη δημιουργία εικονικών δικτύων για την ανάλυση δεδομένων.

Δεξιότητες

Ο φοιτητής θα αποκτήσει γνώσεις και πρακτική εμπειρία σε θέματα αρχιτεκτονικών και τεχνολογιών δικτύων για την αποτελεσματική ανάλυση και επεξεργασία δεδομένων μεγάλου όγκου. Επίσης θα είναι σε θέση να λαμβάνει αποφάσεις και να κάνει υποδείξεις σχετικά με την καταλληλότητα δικτυακών υποδομών και τεχνολογιών, ώστε να ικανοποιηθούν οι ανάγκες εργασιών ανάλυσης δεδομένων.

Προαπαιτήσεις

Γνώση βασικών πρωτοκόλλων (π.χ. TCP, IP, ICMP, ARP, DHCP) και εννοιών/λειτουργιών δικτύων (π.χ. διευθυνσιοδότηση, δρομολόγηση, έλεγχος συμφόρησης).

Εμπειρία σε προγραμματισμό σε C/C++, Javaή Python

Πώς θα καλυφτούν οι προαπαιτήσεις

Περιεχόμενο μαθήματος

Το μάθημα περιλαμβάνει διαλέξεις, που έχουν ως στόχο (α) την κατανόηση των απαιτήσεων της ανάλυσης δεδομένων και των δικτύων κέντρων δεδομένων, (β) τη μελέτη και ανάλυση των παρακάτω θεμάτων:

• Αρχιτεκτονικές Δικτύων Κέντρων Δεδομένων (Portland, SEATTLE)
• Εξισορρόπηση Φορτίου σε Κέντρα Δεδομένων (ECMP, Hedera)
• Δίκτυα Οριζόμενα μέσω Λογισμικού (SDN), Πρωτόκολλο OpenFlow
• Διαχείριση Κέντρων Δεδομένων, Εικονική Μεταγωγή με το OpenvSwitch
• Ενσωμάτωση Εικονικών Δικτυακών Τοπολογιών για την Ανάλυση Δεδομένων

Η μελέτη των παραπάνω θεμάτων θα συνοδεύεται και από εργαστηριακές ασκήσεις για την καλύτερη κατανόηση των σχετικών τεχνολογιών. Οι εργαστηριακές ασκήσεις θα γίνονται στο Mininet.

Προτεινόμενα βιβλία

Δικτύωση Υπολογιστών, Προσέγγιση από πάνω προς τα κάτω, J. Kurose, K. Ross, Εκδόσεις Γκιούρδας

Computer Networking: Principles, Protocols and Practice, O. Bonaventure (http://cnp3book.info.ucl.ac.be/2nd/cnp3bis.pdf)

Μέθοδοι αξιολόγησης

Εργασίες & τελική γραπτή εξέταση

Ιστοσελίδα μαθήματος

Το μάθημα θα φιλοξενηθεί στο http://compus.uom.gr

Τίτλος

Σχεδιασμός και Χρονοπρογραμματισμός

(Planning and Scheduling)

Στόχοι

Στόχος του μαθήματος είναι η εμβάθυνση στη σύγχρονη θεωρία και αλγορίθμους αυτοματοποιημένου σχεδιασμού και χρονοπρογραμματισμού ενεργειών και των εφαρμογών τους.

Δεξιότητες

Χρήση εργαλείων αυτοματοποιημένου σχεδιασμού και χρονοπρογραμματισμού για μηχανική γνώσης (σχεδίαση μοντέλων, π.χ. GIPO), επικύρωση (π.χ., VAL), επίλυση προβλημάτων (πληθώρα από opensourceplanners). Εφαρμογές σε ρομποτική (ROSplan), σχεδιασμό κίνησης (OMPL), κλπ.

Προαπαιτήσεις

Ο φοιτητής θα πρέπει να έχει παρακολουθήσει το προπτυχιακό μάθημα «Τεχνητή Νοημοσύνη», με έμφαση σε αλγορίθμους αναζήτησης, προβλήματα ικανοποίησης περιορισμών και βασικές έννοιες σχεδιασμού.

Πώς θα καλυφτούν οι προαπαιτήσεις

Ο φοιτητής μπορεί να παρακολουθήσει ηλεκτρονικά το προπτυχιακό μάθημα «Τεχνητή Νοημοσύνη», μέσα από το opencourses.uom.gr. Θα δοθεί βιβλιογραφία στα πλαίσια του μαθήματος, και θα υπάρξει επίβλεψη/καθοδήγηση από τον διδάσκοντα.

Περιεχόμενο μαθήματος

Γλώσσες περιγραφής προβλημάτων σχεδιασμού (PDDL+, SAS). Σχεδιασμός μερικής διάταξης, βασισμένος σε γράφους, ως πρόβλημα ικανοποιησιμότητας, ιεραρχικός, στο χρόνο, με περιορισμούς πόρων.

Ευρετικοί μηχανισμοί και αλγόριθμοι αναζήτησης.

Μηχανική γνώσης για προβλήματα σχεδιασμού. Εργαλεία σχεδίασης/επικύρωσης πεδίων. Διεπαφές.

Κατανεμημένος και πολυπρακτορικός σχεδιασμός. Σχεδιασμός μικτής πρωτοβουλίας.

Πιθανοτικός σχεδιασμός, μη-αιτιοκρατικά περιβάλλοντα. Ολοκλήρωση σχεδιασμού, εκτέλεσης και παρακολούθησης.

Σχεδιασμός και ρομποτική. Εύρεση μονοπατιών και σχεδιασμός κίνησης.

Αναγνώριση πλάνων. Επεξήγηση πλάνων. Μάθηση μοντέλων.

Εφαρμογές: Μεταφορές, διάστημα, ρομποτική, κατασκευές.

Προτεινόμενα βιβλία

Automated Planning and Acting (1^st edition, 2016), Malik Ghallab, Dana Nau and Paolo Traverso, Cambridge University Press.

Automated Planning, theory and practice (1^st edition, 2004), Malik Ghallab, Dana Nau, Paolo Traverso.

A Concise Introduction to Models and Methods for Automated Planning (1^st edition, 2013), Hector Geffner and Blai Bonet, Morgan & Claypool Publishers.

International Conference on Automated Planning & Scheduling (ICAPS) proceedings, 2003-2018, AAAI (free).

Μέθοδοι αξιολόγησης

Εργασίες & τελική γραπτή εξέταση

Ιστοσελίδα μαθήματος

Το μάθημα θα φιλοξενηθεί στο http://compus.uom.gr