- +30 2310 891.638
- eftprot uom.edu.gr
- Office: ΓΔ 225
Protopapadakis Eytychios
Assistant Professor
Department of Applied Informatics
Assistant Professor, Academic Staff (MSc in Artificial Intelligence and Data Analytics)
Academic Area
Machine Learning
Curriculum Vitae
Research Interests
- Computer Vision
- Intelligent Systems
- Machine Learning
- Pattern Recognition
Teaching
- MACHINE LEARNING
(CSE707)
Type
ELECTIVE
Department Abbreviation
AI
Department
DEPARTMENT OF APPLIED INFORMATICS
Course Outlines
Η περιγραφή του μαθήματος δεν είναι διαθέσιμη
- NEURAL NETWORKS
(CSE807)
Type
ELECTIVE
Department Abbreviation
AI
Department
DEPARTMENT OF APPLIED INFORMATICS
Course Outlines
Η περιγραφή του μαθήματος δεν είναι διαθέσιμη
- OPERATIONS RESEARCH
(AIC602)
Type
COMPULSORY
Department Abbreviation
AI
Department
DEPARTMENT OF APPLIED INFORMATICS
Course Outlines
Η περιγραφή του μαθήματος δεν είναι διαθέσιμη
- PROCEDURAL PROGRAMMING
(AIC103)
Type
COMPULSORY
Department Abbreviation
AI
Department
DEPARTMENT OF APPLIED INFORMATICS
Course Outlines
Εξάμηνο: 1ο (Χειμερινό) | Κατεύθυνση: ΕΤΥ-ΠΣ | Υποχρεωτικό Κορμού | Εβδ.διδασκαλία: 4 | Πιστωτικές Μονάδες (ECTS): 5
Διδάσκοντες: Σατρατζέμη Μαρία, Χατζηγεωργίου Αλέξανδρος, Ξυνόγαλος Στέλιος, Σακελλαρίου Ηλίας, Κασκάλης Θεόδωρος, Αμπατζόγλου Απόστολος, Καρακασίδης Αλέξανδρος
Μαθησιακά αποτελέσματα
Μετά την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές θα είναι ικανοί να:
• να εφαρμόζουν τις βασικές αρχές ανάπτυξης λογισμικού σε μια διαδικαστική γλώσσα προγραμματισμού,
• να συγγράφουν κώδικα σύμφωνα με το συντακτικό της γλώσσας C, κλασσικού αντιπρόσωπου της διαδικαστικής σχολής προγραμματισμού,
• να κατανοούν την έννοια του τύπου δεδομένων και των συναφών λειτουργιών (operations), και να συνθέτουν πολύπλοκους νέους τύπους βασιζόμενοι σε πρωταρχικούς, στοχεύοντας στην ορθή αναπαράσταση των δεδομένων του προς επίλυση προβλήματος,
• να αξιοποιούν σε προγράμματα την έννοια της συνάρτησης, του τύπου της, των παραμέτρων και της εμβέλειας των μεταβλητών και της κλήσης, και να μπορούν να ορίζουν ορθά νέες συναρτήσεις σε μια γλώσσα προγραμματισμού,
• να σχεδιάζουν και να αναπτύσσουν μικρού μεγέθους προγράμματα, αξιολογώντας και επιλέγοντας κατάλληλες προγραμματιστικές δομές (εντολές ελέγχου ροής, εντολές επανάληψης) και τους αντίστοιχους βασικούς/σύνθετους τύπους δεδομένων,
• να συνθέτουν λύσεις σε περισσότερο πολύπλοκα προβλήματα, χρησιμοποιώντας τις έννοιες της αφαίρεσης (abstraction) και αποδόμησης (decomposition) βασισμένη σε διαδικασίες.
Με βάση την ταξινομία του Bloom τα ΜΑ καλύπτουν και τις 6 κατηγορίες: γνώση, κατανόηση, εφαρμογή, ανάλυση, σύνθεση και αξιολόγηση.
Αυτόνομη εργασία
Άσκηση κριτικής και αυτοκριτικής
Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
Προσαρμογή σε νέες καταστάσεις
Λήψη αποφάσεων
Εργασία σε διεθνές περιβάλλον
Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο μαθήματος
Εισαγωγή στις γλώσσες προγραμματισμού. Περιβάλλοντα ανάπτυξης γλωσσών προγραμματισμού.
Βασικές έννοιες της γλώσσας C: Η έννοια της μεταβλητής, τύποι μεταβλητών, απόδοση τιμής, τελεστές και παραστάσεις., βασικοί τύποι δεδομένων.
Ροή Ελέγχου: Εντολές Διακλάδωσης υπό συνθήκη, Εντολές επανάληψης. Διαδικαστικός Προγραμματισμός: Συναρτήσεις.
Δείκτες.
Δομημένοι τύποι δεδομένων: Πίνακες, Αλφαριθμητικά, Εγγραφές/δομές & πίνακες Εγγραφών/δομών,
Δείκτες και συναρτήσεις, Δείκτες και πίνακες. Δείκτες και αλφαριθμητικά. Αριθμητική διευθύνσεων. Δυναμική διαχείριση μνήμης
Είσοδος και Έξοδος: Αρχεία κειμένου
Χρήση του προγραμματιστικού περιβάλλοντος Code:Blocks, Ανάπτυξη, δοκιμή και αποσφαλμάτωση προγραμμάτων (εργαστηριακό μέρος μαθήματος).
Ανάπτυξη προγραμμάτων μικρού και μεσαίου μεγέθους στο εργαστήριο και κατ’ οίκον εργασία.
Αξιολόγηση φοιτητών
1. Εξέταση γραπτή στο τέλος του εξαμήνου σε εργαστήριο,
2. Κατ’ οίκον εβδομαδιαίες εργασίες ανάπτυξης κώδικα. Περίπου 3 προγράμματα /βδομάδα Χ 12 βδομάδες = ~36 προγράμματα μικρού και μεσαίου μεγέθους αναπτύσσει κάθε φοιτητής το εξάμηνο
Τόσο η τελική εξέταση όσο και οι εβδομαδιαίες εργασίες στοχεύουν στην επίλυση προβλημάτων με την ανάπτυξη αλγόριθμων και υλοποίηση τους σε πρόγραμμα με τη γλώσσα προγραμματισμού C.
Προσδιορισμένα κριτήρια
Το (1) συμβάλλει στο 85%
Το (2) συμβάλλει στο 15%
Προσβάσιμα στους φοιτητές μέσω της ιστοσελίδας τους μαθήματος
Βιβλιογραφία
(Ένα από τα παρακάτω:)
68384925 Η ΓΛΩΣΣΑ C ΣΕ ΒΑΘΟΣ, Τύπος: Σύγγραμμα, ΝΙΚΟΣ Μ. ΧΑΤΖΗΓΙΑΝΝΑΚΗΣ, 2017, ΕΚΔΟΣΕΙΣ ΚΛΕΙΔΑΡΙΘΜΟΣ ΕΠΕ, ISBN: 978-960-461-715-9
13767 Η ΤΕΧΝΗ ΚΑΙ ΕΠΙΣΤΗΜΗ ΤΗΣ C: ΜΙΑ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ, Τύπος: Σύγγραμμα, ERIC S. ROBERTS, 2004, ΕΚΔΟΣΕΙΣ ΚΛΕΙΔΑΡΙΘΜΟΣ ΕΠΕ, ISBN: 960-209-791-4
68370518 Εισαγωγή στη γλώσσα C, με παραδείγματα και ασκήσεις, Τύπος: Σύγγραμμα, Αλέξανδρος Καράκος, 2012, Καράκος Αλεξανδρος (Αυτοέκδοση), ISBN: 9789609340694
68383623 C: Από τη Θεωρία στην Εφαρμογή, Τύπος: Σύγγραμμα, Γ. Σ. Τσελίκης - Ν. Δ. Τσελίκας, 2016, Γ.Σ.Τσελίκης - Ν.Δ.Τσελίκας, ISBN: 978-960-93-1961-4
Συμπληρωματικό υλικό
Ιστοσελίδα μαθήματος (http://compus.uom.gr/INF122/ )
Publications
- Scientific Journals (5 records)
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
- Conferences (10 records)
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
