Τμήμα Μηχανικών Πληροφορικής, Υπολογιστών και Τηλεπικοινωνιών

Μόνιμο URI για αυτήν την κοινότηταhttps://repository.ihu.gr/handle/11544/48375

Περιηγούμαι

Πλοήγηση Τμήμα Μηχανικών Πληροφορικής, Υπολογιστών και Τηλεπικοινωνιών ανά Συγγραφέα "Βαρσάμης , Δημήτριος"

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Φιλτράρετε τα αποτελέσματα πληκτρολογώντας τα πρώτα γράμματα
Τώρα δείχνει 1 - 5 από 5
  • Μικρογραφία εικόνας
    Τεκμήριο
    Ανάπτυξη Μοντέλου Επιλογής Καταλληλότερης Καλλιέργειας σύμφωνα με τις Κρατικές Ενισχύσεις
    (ΔΙΠΑΕ, 2025-12) Κλημαντάκης, Χρήστος; Βαρσάμης , Δημήτριος; Πολυτεχνική Σχολή, Τμήμα Μηχανικών Πληροφορικής, Υπολογιστών και Τηλεπικοινωνιών
    Η εργασία ξεκινά με την επιβεβαίωση του ρόλου της τεχνητής νοημοσύνης και της τηλεπισκόπησης στην τοπογραφία και στην υποστήριξη των γεωργικών πολιτικών όχι μόνο ως θεωρητικά ή τεχνικά εργαλεία αλλά και ως πρακτικές εφαρμογές που συμμετέχουν άμεσα στις διαδικασίες λήψης αποφάσεων. Θα επισημανθεί μια απλή μέθοδος μηχανικής μάθησης για πολύπλοκα μοντέλα νευρωνικών δικτύων ικανά να υποστηρίξουν ερευνητικά έργα στη γεωργία. Η τηλεπισκόπηση παρέχει πληροφορίες μέσω δορυφορικών εικόνων σχετικά με τα εδάφη και τη βλάστηση σε συνδυασμό με προηγμένους αισθητήρες, ενώ οι μέθοδοι τοπογραφίας παρέχουν καλύτερη ακρίβεια για αναλύσεις αποτελεσμάτων, όπως ψηφιακά μοντέλα εδάφους (DTM) και γεωχωρικά δεδομένα. Καλά παραδείγματα προκύπτουν όταν οι πολυχρονικές εικόνες ενσωματώνονται με έναν αλγόριθμο μάθησης που επιτρέπει την αξιόπιστη χαρτογράφηση των καλλιεργειών καθώς και την εκτίμηση/πρόβλεψη των αποδόσεων. Η παρούσα μελέτη εξετάζει υπολογιστικές τεχνικές φασματικής ανάλυσης που χρησιμοποιούν στατιστική μοντελοποίηση, Deep Learning, LiDAR, αξιολόγηση εδάφους, ανίχνευση ακραίων τιμών, παρακολούθηση της υγείας των καλλιεργειών. Παρατίθεται, επίσης, η διεθνή εμπειρία στη θεσμική ενσωμάτωση υπηρεσιών τηλεπισκόπησης και σε μελλοντικές προοπτικές που αφορούν τα μεγάλα δεδομένα και τα δίκτυα IoT.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Δημιουργία μοντέλου πρόβλεψης στατιστικών παικτών
    (ΔΙΠΑΕ, 2025) Τσικές, Πολυμέρης; Βαρσάμης , Δημήτριος; Πολυτεχνική Σχολή, Τμήμα Μηχανικών Πληροφορικής, Υπολογιστών και Τηλεπικοινωνιών
    Στην εργασία που ακολουθεί θα δημιουργήσω ένα μοντέλο πρόβλεψης στατιστικών παικτών με μηχανική μάθηση για παίκτες του NBA και πιο συγκεκριμένα για τους βασικούς 5 παίκτες της ομάδας “Boston Celtics” για το κάθε επόμενο παιχνίδι. Είναι ένα FastAPI project μέσα στην PyCharm στο οποίο αντλώ τα δεδομένα μου από την MySQL έπειτα με την βοήθεια βιβλιοθηκών που υποστηρίζουν την μηχανική μάθηση, εκπαιδεύω τον αλγόριθμό μου ώστε να προβλέψει την απόδοση που θα έχουν οι 5 αυτοί βασικοί παίκτες σε 7 βασικές στατιστικές κατηγορίες και 3 επιπλέον συνδυαστικές κατηγορίες. Αυτές τις προβλέψεις τις αποθηκεύω σε έναν καινούργιο πίνακα στην MySQL και τέλος δημιουργώ ένα endpoint από το οποίο τραβάω τα προβλέψεις και τις παρουσιάζω στην σελίδα μου.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Εφαρμογή για την Ανάπτυξη Εκπαιδευτικού Υλικού με Χρήση της Τεχνητής Νοημοσύνης
    (ΔΙΠΑΕ, 2025-12) Τσακίρης, Αλέξανδρος; Βαρσάμης , Δημήτριος; Πολυτεχνική Σχολή, Τμήμα Μηχανικών Πληροφορικής, Υπολογιστών και Τηλεπικοινωνιών
    Στην παρούσα διπλωματική εργασία σχεδιάστηκε και αναπτύχθηκε μία web εφαρμογή, η "EduAI", η οποία καλείται να παρέχει τις βασικές και ζωτικές λειτουργίες μία διδακτικής πλατφόρμας εκπαίδευσης αλλά και να ενσωματώσει νέες διδακτικές μεθόδους όπως αυτής τη μάθησης με οπτικοποίηση δεδομένων αλλά και την ενσωμάτωση της τεχνητής νοημοσύνης για παιδαγωγικούς σκοπούς. Σκοπός της διπλωματικής είναι να ενισχύσουμε τις λειτουργίες των παραδοσιακών πλατφόρμων για την εκπαίδευση. Για την δημιουργία της εφαρμογής χρησιμοποιήθηκε το πλαίσιο ανάπτυξης Django σε γλώσσα python και για την ενσωμάτωση των λειτουργιών τεχνητής νοημοσύνης χρησιμοποιήθηκε ένα γλωσσικό μοντέλο της google το Gemini 2.0 flash με την χρήση rest api, ενώ υπάρχει δυνατότητα να εισάγουμε και άλλα μοντέλα όπως το OpenAI-GPT, Anthropic-Claude, Groq-Llama/Mistral ή τοπικό μοντέλο τύπου Ollama/LM studio με την χρήση api key. Ένα σημαντικό εργαλείο για την χρήση της τεχνητής νοημοσύνης είναι η τεχνική RAG (Retrieval-Augmented Generation), η οποία παίρνει πληροφορίες από τα σχολικά βιβλία που έχουμε φορτώσει στην πλατφόρμα, εξασφαλίζοντας πως οι απαντήσεις που θα παίρνουν οι μαθητές συνάδουν με το πρόγραμμα σπουδών που έχει δημιουργήσει το Υπουργείο Παιδείας και Θρησκευμάτων, ενώ δεν περιορίζουμε και την χρήση του διαδικτύου για τυχόν γνώση που δεν παρέχουν τα σχολικά βιβλία. Η πλατφόρμα είναι πλήρως λειτουργική, υποστηρίζει διαφορετικούς ρόλους χρηστών (μαθητές, καθηγητές και admin), παρέχει εργαλεία για τη διαχείριση της διδακτέας ύλης, τη διεξαγωγή αυτοματοποιημένων διαγωνισμάτων σε στυλ κουίζ, την ανάθεση εργασιών από τους καθηγητές προς τους μαθητές και την οργάνωση του προγράμματος σπουδών με ανακοινώσεις, συμβάντα ημερολογίου όπως αργίες ή σχολικές εορτές. Επιπλέον, σύμφωνα με τις νεότερες διδακτικές μεθόδους εκμάθησης, ενσωματώνονται εργαλεία οπτικοποίησης, όπως τα ιστορικά χρονολόγια καθώς και προσομοιώσεις και οπτικοποιήσεις βασικών αλγορίθμων για το μάθημα της πληροφορικής. Ο τελικός σκοπός της εργασίας είναι να εξετάσουμε τις δυνατότητες και τους περιορισμούς της ελεγχόμενης χρήσης τεχνητής νοημοσύνης στην διαδικασία της εκπαίδευσης των μαθητών, ευελπιστώντας ότι η τεχνητή νοημοσύνη μπορεί να λειτουργήσει ως ένα αποτελεσματικός βοηθός για τον μαθητή, απελευθερώνοντας τον φόρτο εργασίας των καθηγητών χωρίς όμως να του αντικαθιστά.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Ηθικές, κοινωνικές και δεοντολογικές προεκτάσεις της Τεχνητής Νοημοσύνης στην εκπαίδευση
    (ΔΙΠΑΕ, 2025-10) Κύπρος, Στέφανος; Βαρσάμης , Δημήτριος; Πολυτεχνική Σχολή, Τμήμα Μηχανικών Πληροφορικής, Υπολογιστών και Τηλεπικοινωνιών
    Η ανάπτυξη της Τεχνητής Νοημοσύνης (ΤΝ), που η εξέλιξη γίνεται με ραγδαίους ρυθμούς, έχει αρχίσει να επηρεάζει δυναμικά την εκπαιδευτική διαδικασία, και όχι μόνο, προσφέροντας προτώτυπες λύσεις αλλά και εγείροντας σύνθετα ηθικά, κοινωνικά και δεοντολογικά ζητήματα. Η παρούσα διπλωματική εργασία έχει σκοπό στη θεωρητική εξερεύνηση των επιπτώσεων που έχει η χρήση της ΤΝ στην εκπαίδευση, εστιάζοντας ιδιαίτερα σε τρεις βασικές διαστάσεις: την ηθική, την κοινωνική και τη δεοντολογική. Στην παρούσα διπλωματική εργασία γίνεται αναφορά σε κάποιες εφαρμογές της ΤΝ στη μάθηση και στη διδασκαλία, όπως τα εξατομικευμένα μαθησιακά περιβάλλοντα και τα αυτόματα συστήματα αξιολόγησης, ενώ εξετάζονται οι προκλήσεις που προκύπτουν σε σχέση με τη διαφάνεια, την ιδιωτικότητα των δεδομένων, τη μαθησιακή αυτονομία και την ψηφιακή ανισότητα. Η διπλωματική εργασία στο τέλος προτείνει διάφορες προτάσεις για μια παιδαγωγικά υπεύθυνη ενσωμάτωση της ΤΝ, με στόχο τη διασφάλιση της ποιότητας, της ισότητας και της ανθρώπινης διάστασης στην εκπαιδευτική εμπειρία.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Μοντελοποίηση Πληροφοριακής Πολυπλοκότητας μέσω Εντροπίας σε Blockchain Συστήματα με Χρήση Python
    (ΔΙΠΑΕ, 2025-12) Μοσχοτόγλου, Παναγιώτης; Βαρσάμης , Δημήτριος; Πολυτεχνική Σχολή, Τμήμα Μηχανικών Πληροφορικής, Υπολογιστών και Τηλεπικοινωνιών
    Σε μια εποχή όπου η τεχνολογική εξέλιξη επιταχύνεται με ιλιγγιώδεις ρυθμούς, η τεχνολογία blockchain αναδύεται ως ένα φαινόμενο που δεν μπορεί να περάσει απαρατήρητο. Από την πρώτη της εμφάνιση ως ο θεμέλιος πυρήνας των κρυπτονομισμάτων, το blockchain έχει εξελιχθεί και υιοθετηθεί σε πεδία που ξεπερνούν κατά πολύ τις αρχικές εφαρμογές του, αγγίζοντας τις πιο ποικίλες πτυχές της κοινωνίας. Το blockchain αποτελεί τη νέα εποχή της πρόσβασης, μετασχηματίζοντας τον τρόπο με τον οποίο η πληροφορία αποθηκεύεται, διαχέεται και επικυρώνεται σε ψηφιακά αποκεντρωμένα οικοσυστήματα. Παρά την ταχεία υιοθέτηση και την εκτεταμένη επιστημονική έρευνα, η συστηματική κατανόηση της πληροφοριακής πολυπλοκότητας που ενσωματώνεται στη δομή ενός blockchain δικτύου παραμένει περιορισμένη. Η παρούσα διπλωματική εργασία επιχειρεί να καλύψει αυτό το ερευνητικό κενό μέσω της ποσοτικής αποτίμησης και ερμηνείας της πληροφοριακής πολυπλοκότητας στο Ethereum blockchain, αξιοποιώντας διάφορα μέτρα εντροπίας από τη θεωρία της πληροφορίας. Η παρούσα έρευνα βασίζεται σε μια πολυδιάστατη μεθοδολογική προσέγγιση, η οποία συνδύαζει την εντροπία του Shannon για τη μέτρηση της στατικής ποικιλομορφίας στα πεδία των συναλλαγών, την Approximate Entropy και Permutation Entropy για την ανάλυση της δυναμικής συμπεριφοράς σε χρονοσειρές, και τη Graph Entropy για την αποτύπωση της τοπολογικής πολυπλοκότητας του δικτύου συναλλαγών. Τα δεδομένα που αναλύθηκαν προέρχονται από 1.901 διαδοχικά μπλοκ του Ethereum blockchain, περιλαμβάνοντας 384.312 επικυρωμένες συναλλαγές, και συλλέχθηκαν μέσω Remote Procedure Call (RPC) πρόσβασης σε full nodes του δικτύου. Τα αποτελέσματα αποκαλύπτουν ότι η πληροφοριακή πολυπλοκότητα του Ethereum εκδηλώνεται σε τρία διακριτά αλλά αλληλοσυνδεόμενα επίπεδα. Σε στατικό επίπεδο, η εντροπία των διευθύνσεων αποστολέα (13.744 bits) υποδηλώνει υψηλή αποκέντρωση στην παραγωγή συναλλαγών, ενώ η χαμηλότερη εντροπία των διευθύνσεων παραλήπτη (12.192 bits) αποκαλύπτει τάσεις συγκέντρωσης σε συγκεκριμένους κόμβους-hubs. Σε χρονικό επίπεδο, η Approximate Entropy (1.710 bits) καταδεικνύει μια ενδιάμεση συμπεριφορά μεταξύ κανονικότητας και χαοτικής δυναμικής, ενώ η Permutation Entropy (0.990) προσεγγίζει τα χαρακτηριστικά πλήρους τυχαιότητας σε μικροσκοπικό επίπεδο. Σε τοπολογικό επίπεδο, η Graph Entropy επιβεβαιώνει χαρακτηριστικά scale-free δικτύου με άνιση κατανομή συνδεσιμότητας (out-degree entropy: 14.554 bits, in-degree entropy: 13.163 bits). Η ολοκληρωμένη ανάλυση αποδεικνύει ότι το Ethereum blockchain λειτουργεί ως ένα πολύπλοκο προσαρμοστικό σύστημα (complex adaptive system), όπου η πληροφορία διαχέεται μέσω ενός συνδυασμού αποκεντρωμένων και συγκεντρωτικών μηχανισμών. Η συνύπαρξη υψηλής εντροπίας στην παραγωγή συναλλαγών και χαμηλότερης εντροπίας στην κατανάλωσή τους αντανακλά μια θεμελιώδη ασυμμετρία που χαρακτηρίζει τα σύγχρονα blockchain οικοσυστήματα. Η χρονική ανάλυση αποκαλύπτει ότι το δίκτυο διατηρεί μια ισορροπία μεταξύ προβλέψιμων μοτίβων και στοχαστικής μεταβλητότητας, επιτρέποντας ταυτόχρονα σταθερότητα και προσαρμοστικότητα. Η διπλωματική εργασία συνεισφέρει θεωρητικά στην κατανόηση της πληροφοριακής πολυπλοκότητας σε αποκεντρωμένα συστήματα, αποδεικνύοντας ότι τα μέτρα εντροπίας αποτελούν αποτελεσματικά εργαλεία για την ποσοτικοποίηση της αποκέντρωσης, της ανθεκτικότητας και της δυναμικής συμπεριφοράς. Μεθοδολογικά, η εργασία αναπτύσσει ένα αναπαραγώγιμο αναλυτικό πλαίσιο που μπορεί να εφαρμοστεί σε οποιοδήποτε blockchain δίκτυο, επιτρέποντας συγκριτικές μελέτες μεταξύ διαφορετικών πλατφορμών και μηχανισμών συναίνεσης. Πρακτικά, τα ευρήματα μπορούν να ενημερώσουν το σχεδιασμό πιο αποδοτικών και ασφαλών blockchain συστημάτων, να υποστηρίξουν την ανίχνευση ανωμαλιών, και να παράσχουν μετρικές για τη συνεχή παρακολούθηση της λειτουργικής υγείας αποκεντρωμένων δικτύων. Η έρευνα καταλήγει στο συμπέρασμα ότι η πληροφοριακή πολυπλοκότητα στο Ethereum blockchain δεν αποτελεί μονοδιάστατη ιδιότητα αλλά αναδύεται από την αλληλεπίδραση πολλαπλών επιπέδων οργάνωσης. Η κατανόηση αυτής της πολυδιάστατης πολυπλοκότητας είναι κρίσιμη για την εξέλιξη της τεχνολογίας blockchain προς πιο ώριμα, βιώσιμα και πραγματικά αποκεντρωμένα οικοσυστήματα που μπορούν να υποστηρίξουν τη μετάβαση από το Διαδίκτυο της Πληροφορίας στο Διαδίκτυο της Αξίας.