
- 2310 891.638
- eftprot uom.edu.gr
- Γραφείο: ΓΔ, 225
Πρωτοπαπαδάκης Ευτύχιος
Επίκουρος Καθηγητής
Τμήμα Εφαρμοσμένης Πληροφορικής
Επίκουρος Καθηγητής, Διδακτικό Προσωπικό (Π.Μ.Σ. στην Τεχνητή Νοημοσύνη και Αναλυτική Δεδομένων)
Γνωστικό Αντικείμενο
Μηχανική Μάθηση
Βιογραφικό
Ερευνητικά Ενδιαφέροντα
- Όραση υπολογιστών
- Ευφυή συστήματα
- Μηχανική μάθηση
- Αναγνώριση Προτύπων
Διδασκόμενα Μαθήματα
- ΔΙΑΔΙΚΑΣΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
(AIC103)
- ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ
(AIC602)
- ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ
(CSE707)
- ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ ΚΑΙ ΟΡΑΣΗ ΥΠΟΛΟΓΙΣΤΩΝ
(AIDA105)
Τύπος
ΥΠΟΧΡΕΩΤΙΚΟ
Κωδικός Τμήματος
ΜΤΝΑΔ
Τμήμα
Π.Μ.Σ. ΣΤΗΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΑΝΑΛΥΤΙΚΗ ΔΕΔΟΜΕΝΩΝ
Περιγραφή
Η περιγραφή του μαθήματος δεν είναι διαθέσιμη
- ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ
(CSE807)
Τύπος
ΕΠΙΛΟΓΗΣ
Κωδικός Τμήματος
AI
Τμήμα
ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ
Περιγραφή
ΓΕΝΙΚΑ |
|||||||||||||||||
ΣΧΟΛΗ |
ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ |
||||||||||||||||
ΤΜΗΜΑ |
ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ |
||||||||||||||||
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ |
ΠΡΟΠΤΥΧΙΑΚΟ |
||||||||||||||||
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ |
CSE807 |
ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ |
Η |
||||||||||||||
ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ |
ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ |
||||||||||||||||
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ |
ΕΒΔΟΜΑΔΙΑΙΕΣ |
ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ |
|||||||||||||||
|
3 |
5 |
|||||||||||||||
|
|
|
|||||||||||||||
|
|
|
|||||||||||||||
Προσθέστε σειρές αν χρειαστεί. Η οργάνωση διδασκαλίας και οι διδακτικές μέθοδοι που χρησιμοποιούνται περιγράφονται αναλυτικά στο (δ). |
|
|
|||||||||||||||
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ γενικού υποβάθρου, γενικών γνώσεων, ανάπτυξης δεξιοτήτων |
ΕΙΔΙΚΟΥ ΥΠΟΒΑΘΡΟΥ |
||||||||||||||||
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:
|
- |
||||||||||||||||
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ: |
ΕΛΛΗΝΙΚΗ |
||||||||||||||||
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS |
ΟΧΙ |
||||||||||||||||
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) |
|||||||||||||||||
ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ |
|||||||||||||||||
Μαθησιακά Αποτελέσματα |
|||||||||||||||||
Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος. Συμβουλευτείτε το Παράρτημα Α
|
|||||||||||||||||
Γνώσεις |
|||||||||||||||||
Γενικές Ικανότητες Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;. |
|||||||||||||||||
Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών Προσαρμογή σε νέες καταστάσεις Λήψη αποφάσεων Αυτόνομη εργασία Ομαδική εργασία Εργασία σε διεθνές περιβάλλον Εργασία σε διεπιστημονικό περιβάλλον Παράγωγή νέων ερευνητικών ιδεών
|
Σχεδιασμός και διαχείριση έργων Σεβασμός στη διαφορετικότητα και στην πολυπολιτισμικότητα Σεβασμός στο φυσικό περιβάλλον Επίδειξη κοινωνικής, επαγγελματικής και ηθικής υπευθυνότητας και ευαισθησίας σε θέματα φύλου Άσκηση κριτικής και αυτοκριτικής Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης …… Άλλες… ……. |
||||||||||||||||
Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών |
|||||||||||||||||
ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ [Syllabus] |
|||||||||||||||||
ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ |
|||||||||||||||||
ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ |
|||||||||||||||||
ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ |
Διαλέξεις με φυσική παρουσία (πρόσωπο με πρόσωπο). |
||||||||||||||||
ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ |
Οι ΤΠΕ χρησιμοποιούνται παντού στο μάθημα. Ειδικότερα: |
||||||||||||||||
ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας. Διαλέξεις, Σεμινάρια, Εργαστηριακή Άσκηση, Άσκηση Πεδίου, Μελέτη ανάλυση βιβλιογραφίας, Φροντιστήριο, Πρακτική (Τοποθέτηση), Κλινική Άσκηση, Καλλιτεχνικό Εργαστήριο, Διαδραστική διδασκαλία, Εκπαιδευτικές επισκέψεις, Εκπόνηση μελέτης (project), Συγγραφή εργασίας / εργασιών, Καλλιτεχνική δημιουργία, κ.λπ.
Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης σύμφωνα με τις αρχές του ECTS |
|
||||||||||||||||
ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ Περιγραφή της διαδικασίας αξιολόγησης
Γλώσσα Αξιολόγησης, Μέθοδοι αξιολόγησης, Διαμορφωτική ή Συμπερασματική, Δοκιμασία Πολλαπλής Επιλογής, Ερωτήσεις Σύντομης Απάντησης, Ερωτήσεις Ανάπτυξης Δοκιμίων, Επίλυση Προβλημάτων, Γραπτή Εργασία, Έκθεση / Αναφορά, Προφορική Εξέταση, Δημόσια Παρουσίαση, Εργαστηριακή Εργασία, Κλινική Εξέταση Ασθενούς, Καλλιτεχνική Ερμηνεία, Άλλη / Άλλες
Αναφέρονται ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές. |
Γραπτές εξετάσεις (ελληνική γλώσσα) για το 100% του βαθμού, με δυνατότητα εκπόνησης εργασιών για επιπλέον 20%. |
||||||||||||||||
ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ |
|||||||||||||||||
- Προτεινόμενη Βιβλιογραφία: Νευρωνικά Δίκτυα και Μηχανική Μάθηση, Haykin Simon. Εκδόσεις Παπασωτηρίου, 2010. Τεχνητά Νευρωνικά Δίκτυα, Κωνσταντίνου Διαμαντάρα. Εκδόσεις Κλειδάριθμος, 2007. - Συναφή επιστημονικά περιοδικά: Neural Networks Neural Computing and Applications |
Δημοσιεύσεις
- Επιστημονικά Περιοδικά (5 εγγραφές)
Περιλαμβάνει Άρθρα σε διεθνή ή ελληνικά επιστημονικά περιοδικά (με κριτές).
2024
- A Dilemma-Based Learning-to-Rank Approach for Generative Design in Urban Architectural Regeneration
- Enhancing Deep Learning Model Explainability in Brain Tumor Datasets Using Post-Heuristic Approaches
2023
- A Low-Cost Gamified Urban Planning Methodology Enhanced with Co-Creation and Participatory Approaches
- Performance comparison of physics-based and machine learning assisted multi-fidelity methods for the management of coastal aquifer systems
- Graph-based semi-supervised learning with tensor embeddings for hyperspectral data classification
- Συνέδρια (10 εγγραφές)
Περιλαμβάνει Άρθρα σε δημοσιευμένα πρακτικά διεθνών ή ελληνικών συνεδρίων (με κριτές).
2024
- UAV-based Localization of Removable Urban Pavement Elements Through Deep Object Detection Methods
- Outlier detection in maritime environments using AIS data and deep recurrent architectures
- Networking Solutions for the Evaluation of Nature-Based Interventions in Cities
- Quantifying the Impact of Nature based Interventions on Citizen Health and Well-being
- Multi-scale Intervention Planning Based on Generative Design
2023
- A web-based application for the spatiotemporal monitoring of the impact of nature-based solutions on the urban environment and the well-being of citizens: the euPOLIS visualization platform
- Real time road defect monitoring from UAV visual data sources
- Deep transformer networks for precise pothole segmentation tasks
- A Few-Shot Attention Recurrent Residual U-Net for Crack Segmentation
- Investigating the Impact of a Low-Rank Tensor-Based Approach on Deforestation Imagery