Πρωτοπαπαδάκης Ευτύχιος
  • 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)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    AI

    Τμήμα
    ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    Περιγραφή

    Περιγραφή μαθήματος

    • ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ
      (AIC602)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    AI

    Τμήμα
    ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    Περιγραφή

    Περιγραφή μαθήματος

    • ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ
      (CSE707)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    AI

    Τμήμα
    ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    Περιγραφή

    Περιγραφή μαθήματος

    • 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
    σε περίπτωση που οι πιστωτικές μονάδες απονέμονται σε διακριτά μέρη του μαθήματος π.χ. Διαλέξεις, Εργαστηριακές Ασκήσεις κ.λπ. Αν οι πιστωτικές μονάδες απονέμονται ενιαία για το σύνολο του μαθήματος αναγράψτε τις εβδομαδιαίες ώρες διδασκαλίας και το σύνολο των πιστωτικών μονάδων

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    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,
    ειδικού υποβάθρου, ειδίκευσης

    γενικών γνώσεων, ανάπτυξης δεξιοτήτων

    ΕΙΔΙΚΟΥ ΥΠΟΒΑΘΡΟΥ

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    ΕΛΛΗΝΙΚΗ

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    https://openeclass.uom.gr/

    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

    • Περιγραφή του Επιπέδου των Μαθησιακών Αποτελεσμάτων για κάθε ένα κύκλο σπουδών σύμφωνα με το Πλαίσιο Προσόντων του Ευρωπαϊκού Χώρου Ανώτατης Εκπαίδευσης
    • Περιγραφικοί Δείκτες Επιπέδων 6, 7  8 του Ευρωπαϊκού Πλαισίου Προσόντων Διά Βίου Μάθησης και το Παράρτημα Β
    • Περιληπτικός Οδηγός συγγραφής Μαθησιακών Αποτελεσμάτων

    Γνώσεις
    o Αρχιτεκτονικές νευρωνικών δικτύων
    o Μέθοδοι εκπαίδευσης
    o Εναλλακτικές μέθοδοι μηχανικής μάθησης
    • Δεξιότητες
    o Προετοιμασία δεδομένων
    o Σχεδίαση και εκπαίδευση νευρωνικών δικτύων.
    o Αξιολόγηση μοντέλων
    Ικανότητες
    o Αυτόνομη εργασία και επίλυση προβλημάτων μηχανικής μάθησης σε νέα σύνολα δεδομένων
    o Ανάληψη έργων επιστήμης δεδομένων, εργασία σε εταιρείες ως αναλυτής δεδομένων

    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
    Λήψη αποφάσεων
    Αυτόνομη εργασία

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ [Syllabus]

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
    Μηχανική μάθηση. Μη-συμβολική τεχνητή νοημοσύνη. Μοντέλο τεχνητού νευρώνα.
    Μάθηση με επίβλεψη. Perceptron. Ο κανόνας Δέλτα. Δίκτυα με προς τα εμπρός τροφοδότηση. Δίκτυα πολλών επιπέδων και ανάστροφη διάδοση σφάλματος. Δίκτυα με ανατροφοδότηση. Ορμή. Μεταβλητός ρυθμός μάθησης. Μέθοδοι συζυγών κλίσεων. Προβλήματα ταξινόμησης και παλινδρόμησης.
    Προετοιμασία δεδομένων. Κανονικοποίηση πεδίων. Αντιμετώπιση ελλιπών τιμών.
    Υπερπροσαρμογή. Η λεπίδα του Occam. Τροποποιημένη συνάρτηση σφάλματος. Πρόωρη διακοπή.
    Βαθιά νευρωνικά δίκτυα.
    Μάθηση χωρίς επίβλεψη. Ομαδοποίηση. Κανόνας Kohonen. Χάρτες αυτοοργάνωσης.
    Μάθηση χωρίς μοντέλο. Μέθοδος πλησιέστερων γειτόνων. Ακτινικά δίκτυα. Πιθανοτικά δίκτυα. Συστήματα συστάσεων.
    Δυναμικά δίκτυα. Χρονοσειρές. Δίκτυα Hopfield.
    Συστήματα ελέγχου. Στοιχεία καθυστέρησης και γραμμικοί νευρώνες. Γραμμικά φίλτρα.
    Γενετικοί αλγόριθμοι  αλγόριθμοι σμήνους. Εφαρμογή σε εκπαίδευση νευρωνικών δικτύων.
    Εναλλακτικά μοντέλα μάθησης. Δένδρα απόφασης. Κανόνες κατηγοριοποίησης. Κανόνες συσχέτισης.
    Μηχανές διανυσμάτων υποστήριξης.

    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ
    Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ.

    Διαλέξεις με φυσική παρουσία (πρόσωπο με πρόσωπο).

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
    Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές

    Οι ΤΠΕ χρησιμοποιούνται παντού στο μάθημα. Ειδικότερα:
    Χρήση laptop και προβολικού στις διαλέξεις
    Διαμοιρασμό υλικού για online προβολή
    Επικοινωνία με φοιτητές με email
    Δυνατότητα τηλεδιασκέψεων με Hangout

    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

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    39

    Μελέτη

    65

    Εκπόνηση εργασιών

    40

    Τελικές εξετάσεις

    3

    ΣύνολοΜαθήματος

    147

     

    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%.

    Αναφέρονται στην ιστοσελίδα του μαθήματος.




    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

      2023

      • Συνέδρια (10 εγγραφές)

      Περιλαμβάνει Άρθρα σε δημοσιευμένα πρακτικά διεθνών ή ελληνικών συνεδρίων (με κριτές).

        2024

        2023

        Wheelchair Blue
        Accessibility Tools
        Fonts PlusIncrease Text
        Fonts MinusDecrease Text
        ContrastHigh Contrast
        GrayscaleGrayscale
        Readable FontReadable Font