Catalog of proposed and completed theses of the Department.
Information Security Risk Management Tool
Objective
Information Security Risk Management Tool
Description
Information Security Risk Management Tool
Requirements
Ασφάλεια ΠΣ
Required knowledge
Ασφάλεια ΠΣ
Bibliography
Αρθρα για risk management methods and tools
Gen AI applications for startups support
Objective
Η ανάπτυξη εφαρμογών παραγωγικής ΤΝ για την παροχή συμβουλευτικών υπηρεσιών (mentoring, ebvaluation, support, κλπ) σε πρώιμες νεοφυείς επιχειρήσεις.
Description
1. Επισκόπηση τρέχουσας κατάστασης σε εφαρμογές ΠΤΝ για startups
2. Ανάπτυξη δοκιμαστικών Prompts σε περιβάλλον Chat GPT για 4-5 λειτουργίες απο τις παρακάτω:
α.Αξιολόγηση Ιδέας / Problem-Solution Fit
Ο χρήστης περιγράφει την ιδέα του και το σύστημα αξιολογεί αν λύνει πραγματικό πρόβλημα, προτείνοντας βελτιώσεις.
β.Market Research & Competitor Analysis
Αυτόματη ανάλυση ανταγωνισμού και αγοράς, με δεδομένα για trends, μεγέθη αγοράς και πιθανούς ανταγωνιστές.
γ.Οικονομικές Προβλέψεις (Financial Forecasting)
Με βάση βασικά inputs (έσοδα, κόστη, μοντέλο εσόδων), δημιουργείται 3ετής/5ετής πρόβλεψη cash flow, P&L, break-even point.
δ.Business Model Canvas Generator
Αυτόματη δημιουργία καμβά επιχειρηματικού μοντέλου (Osterwalder) με δομημένες ενότητες, βάσει της ιδέας του χρήστη.
ε.Εύρεση και Αντιστοίχιση Funding Opportunities
AI που προτείνει χρηματοδοτικά προγράμματα (VCs, accelerators, EU/Horizon calls, business angels) ανάλογα με το στάδιο και τον κλάδο.
στ.Go-To-Market Strategy Generator
Δημιουργία στρατηγικής εισόδου στην αγορά (κανάλια διανομής, pricing, marketing plan, KPIs).
ζ.Αξιολόγηση Τεχνολογικής Ετοιμότητας (TRL Check)
Για τεχνολογικά startups: το AI βοηθά να τοποθετηθεί το προϊόν σε Technology Readiness Level και προτείνει επόμενα βήματα.
η.MVP Scope Designer
Βοηθά τον founder να σχεδιάσει το πρώτο Minimum Viable Product (features, UX priorities, timeline, budget).
θ.Investor Q&A Simulator
Το AI παίρνει τον ρόλο επενδυτή και κάνει "δύσκολες ερωτήσεις" στον startup founder (mock interview), με feedback στις απαντήσεις.
ι.Storytelling & Branding Assistant
Βοηθά στο narrative: tagline, vision/mission statement, elevator pitch, ακόμα και design προτάσεις για logo/slogan.
κ.Founder Skills Assessment
Το AI αξιολογεί τα skills του founder/team (management, sales, tech, finance) και προτείνει πού χρειάζονται συνεργάτες ή mentoring.
λ.Team Role Designer
Δημιουργία προφίλ ρόλων (CTO, CMO, COO) με περιγραφή αρμοδιοτήτων και απαιτούμενων δεξιοτήτων, ώστε να ξέρει τι ομάδα να χτίσει.
μ.Customer Persona Builder
Αυτόματη δημιουργία personas για το target group (ηλικία, ανάγκες, digital behavior, pain points).
ν.User Journey Mapping
AI εργαλείο για να σχεδιάσει το customer journey (awareness → consideration → purchase → retention).
ξ.Pricing Strategy Advisor
Συστήματα προτάσεων για τιμολόγηση (subscription, freemium, one-off, tiered pricing), με benchmarking από ανταγωνιστές.
ο.Legal & IP Checklist
Αυτόματη λίστα ελέγχου για νομικά θέματα (εταιρική μορφή, GDPR, trademarks, patents, IP strategy).
π.KPI & Metrics Generator
Προτάσεις για κατάλληλα metrics (CAC, LTV, churn, runway, ARPU) ανάλογα με το στάδιο και το μοντέλο της startup.
ρ.Internationalisation Readiness Check
Ανάλυση δυνατοτήτων επέκτασης σε ξένες αγορές, με προτεινόμενες χώρες/περιοχές και εμπόδια εισόδου.
σ.Startup Valuation Estimator
Εκτίμηση αποτίμησης με διάφορες μεθοδολογίες (scorecard, DCF, comparables).
τ.Pitch Video Script Generator
Δημιουργία σεναρίου για σύντομο βίντεο pitch (1–2 λεπτά), με storyboarding και key messaging.
3. Έλεγχος και αξιολόγηση αποτελεσμάτων
4. Ανάπτυξη τελικών εφαρμογών (HTML και GPT-API). Θα δοθεί κατάλληλη πρόσβαση σε API.
Requirements
.
Required knowledge
LLM PROMPTING
Adaptive Cognitive Empowerment of the Elderly with a Combination of Large Language Models, Serious Games and User Behavior Analysis
Objective
Ο στόχος της διπλωματικής είναι η μελέτη και ανάπτυξη προσαρμοστικών serious games γνωστικής ενδυνάμωσης που αξιοποιούν Large Language Models (LLMs), δυναμική προσαρμογή δυσκολίας και ανάλυση αλληλεπίδρασης χρηστών, με σκοπό τη βελτίωση της εμπλοκής και της εξατομίκευσης σε ηλικιωμένους χρήστες.
Description
Η αξιοποίηση Large Language Models σε εφαρμογές cognitive training δημιουργεί νέες δυνατότητες δυναμικής εξατομίκευσης και προσαρμογής του περιεχομένου με βάση τα χαρακτηριστικά, τις αναμνήσεις και τη συμπεριφορά του χρήστη. Σύμφωνα με πρόσφατες ερευνητικές προσεγγίσεις , τα LLMs μπορούν να δημιουργούν προσωποποιημένα cognitive games και να προσαρμόζουν αυτόματα το επίπεδο δυσκολίας ανάλογα με την επίδοση του χρήστη.
Η διπλωματική θα εστιάσει:
- στη δημιουργία user profiles από autobiographical memories,
- στη χρήση LLM APIs (GPT, Llama, Claude κ.ά.),
- στη δυναμική παραγωγή serious game content,
- στη μοντελοποίηση της συμπεριφοράς χρηστών,
- στη δυναμική προσαρμογή δυσκολίας (adaptive difficulty adjustment),
- και στην ανάλυση engagement και cognitive performance metrics.
Το σύστημα θα συλλέγει δεδομένα όπως:
- χρόνοι απόκρισης,
- αριθμός λαθών,
- progression difficulty,
- interaction logs,
- emotional/user experience metrics.
Θα μελετηθούν τεχνικές:
- Prompt Engineering
- Retrieval Augmented Generation (RAG)
- User Modeling
- AI-driven personalization
Η εργασία μπορεί να περιλαμβάνει:
- συγκριτική αξιολόγηση διαφορετικών prompting strategies,
- ανάλυση hallucinations και consistency των LLMs,
- αξιολόγηση personalization quality,
- και διερεύνηση explainability ή trustworthiness των παραγόμενων serious games.
Η πειραματική διαδικασία μπορεί να πραγματοποιηθεί είτε:
- με desktop/web εφαρμογή,
- είτε με social robot ή virtual avatar,
- είτε με multimodal conversational interface.
Requirements
Μηχανική Μάθηση
Συστήματα Διάχυτου Υπολογισμού
Required knowledge
- Python
- APIs και LLM frameworks
- Βασικές αρχές Machine Learning / NLP
Bibliography
Silacci, A., Giachetti, B., Angelini, L., Lopomo, N. F., Andreoni, G., Mugellini, E., ... & Caon, M. (2026). Large Language Model–Based Agents for Physical Activity and Cognitive Training: Scoping Review. JMIR AI, 5(1), e80123. DOI: https://doi.org/10.2196/80123
Skikos, G., Goumopoulos, C. CogniFrame: A Serious Games Framework for Older Adults with Mild Cognitive Impairment. Behaviour & Information Technology, Taylor & Francis, 2026. DOI: https://doi.org/10.1080/0144929X.2026.2676748
Aegean Startups : Organising Processes, Systems, Data and Human Networks for an innovation and entrepreneurship competition
Objective
Η εργασία στοχεύει στην οργάνωση Διαδικασιών, Συστημάτων, Δεδομένων και Ανθρώπινων Δικτύων για τον διαγωνισμό επιχειρηματικότητας Aegean Startups 2020-2021
Description
Η εργασία περιλαμβάνει τις εξής ενότητες:
- Παραμετροποίηση του (υπάρχοντος) διαδικτυακού πληροφοριακού συστήματος για τα Aegean Startups 2020-2021
- Κατάρτιση δελτίων τύπου και προώθηση του διαγωνισμού
- Οργάνωση της παρεχόμενης πληροφορίας προς διαγωνιζομένους (μελέτες περίπτωσης, ανάγκες του Αιγαίου, εκπαιδευτικό υλικό, κλπ)
- Διενέργεια έρευνας σε επιχειρήσεις του Αιγαίου για τις ανάγκες τους σχετικά με τις νέες τεχνολογίες, ώστε να δοθεί ως υλικό στους διαγωνιζόμενους
- Οργάνωση και παροχή οικονομικών, δημογραφικών και άλλων σχετικών δεδομένων για την αγορά των νησιών του Αιγαίου
- Οργάνωση (υπάρχοντος) δικτύου μεντόρων, angel investors, κριτών, συνδεδεμένων θερμοκοιτίδων για τον διαγωνισμό
- Αναζήτηση χορηγών και δωρητών για τα βραβεία του διαγωνισμού
Requirements
- Ειδικά Θέματα και Μελέτες Περίπτωσης ΨΚ&ΝΕ
- Καινοτομία και Επιχειρηματικότητα
Required knowledge
- Ανάλυση δράσεων καινοτομίας και επιχειρηματικότητας
Bibliography
.
Affective state recognition via EEG signals Muse 2
Objective
Ταξινόμηση βασικών συναισθημάτων (χαρά, άγχος, ηρεμία) χρησιμοποιώντας EEG power bands.
Description
Το πείραμα θα υλοποιηθεί με συμμετέχοντες που θα εκτεθούν σε συναισθηματικά ερεθίσματα με χρήση International Affective Picture System (IAPS) ή Emotional video stimuli (YouTube dataset). Τα EEG δεδομένα θα συλλεχθούν real-time μέσω Muse BLE API και θα εξαχθούν χαρακτηριστικά Alpha/Theta/Beta bands. Θα χρησιμοποιηθεί ML/AI ταξινόμηση (k-NN, SVM ή LSTM).
Requirements
Προγραμματισμός (Python ή Java)
Ανάλυση Σημάτων
Αρχές Τεχνητής Νοημοσύνης ή Μηχανικής Μάθησης
Required knowledge
Βασικός προγραμματισμός
Θεμελιώδεις έννοιες Επεξεργασίας Σημάτων
Machine Learning
Bibliography
Moontaha, S., Schumann, F. E. F., & Arnrich, B. (2023). Online learning for wearable eeg-based emotion classification. Sensors, 23(5), 2387.
Garcia-Moreno, F. M., Badenes-Sastre, M., Expósito, F., Rodriguez-Fortiz, M. J., & Bermudez-Edo, M. (2025). EEG headbands vs caps: How many electrodes do I need to detect emotions? The case of the MUSE headband. Computers in Biology and Medicine, 184, 109463.
AI evaluation methods and metrics
Objective
Αναφορά των μεθόδων (automatic and human-based) και των απαραίτητων δεικτών (συμπεριλαμβανομένων XAI, responsible AI) για την αξιολόγηση και την υιοθέτηση της ΤΝ.
Description
Bιβλιογραφική ανασκόπηση των μεθόδων που έχουν εφαρμοστεί για την αξιολόγηση εφαρμογών ΤΝ σε διάφορους τύπους ΤΝ (rule-based, LLMs, neural networks, etc.).
Θεματική κατηγοριοποίηση ανά τύπο αξιολόγησης (automatic and human based).
Κατηγοριοποίηση ανά στόχο αξιολόγησης (accuracy, precision, data quality, adoption, use, impact, interoperability, progress etc.)
Παραδείγματα χρήσης του κάθε μοντέλου.
Requirements
- eGOV I & II
- Διαλειτουργικότητα
Required knowledge
Συστηματική βιβλιογραφική έρευνα
Bibliography
Blagec, K., Dorffner, G., Moradi, M., & Samwald, M. (2020). A critical analysis of metrics used for measuring progress in artificial intelligence. arXiv preprint arXiv:2008.02577. https://arxiv.org/abs/2008.02577
Handelman, G. S., Kok, H. K., Chandra, R. V., Razavi, A. H., Huang, S., Brooks, M., ... & Asadi, H. (2019). Peering into the black box of artificial intelligence: evaluation metrics of machine learning methods. American Journal of Roentgenology, 212(1), 38-43.
Rainio, O., Teuho, J., & Klén, R. (2024). Evaluation metrics and statistical tests for machine learning. Scientific Reports, 14(1), 6086.
Abbasian, M., Khatibi, E., Azimi, I., Oniani, D., Shakeri Hossein Abad, Z., Thieme, A., ... & Rahmani, A. M. (2024). Foundation metrics for evaluating effectiveness of healthcare conversations powered by generative AI. NPJ Digital Medicine, 7(1), 82.
AI in transportation safety: A systematic literature review
Objective
Ταξονομία λύσεων
Ανάλυση των λύσεων
Description
Βιβλιογραφική ανασκόπηση
Requirements
EGOV I & II
Required knowledge
SLR
Bibliography
Hadj‐Mabrouk, H. (2024). A literature review on the applications of artificial intelligence to European rail transport safety. IET Intelligent Transport Systems, 18(12), 2291-2324.
Bharadiya, J. P. (2023). Artificial intelligence in transportation systems a critical review. American Journal of Computing and Engineering, 6(1), 35-45.
Olugbade, S., Ojo, S., Imoize, A. L., Isabona, J., & Alaba, M. O. (2022). A review of artificial intelligence and machine learning for incident detectors in road transport systems. Mathematical and Computational Applications, 27(5), 77.
AI-Driven Service Design
Objective
Η παρούσα διπλωματική θα εργασία εξετάζει τον ρόλο της τεχνητής νοημοσύνης στον σύγχρονο σχεδιασμό υπηρεσιών (service design), αναδεικνύοντας πώς οι AI τεχνολογίες μετασχηματίζουν τόσο τη διαδικασία σχεδιασμού όσο και την εμπειρία του τελικού χρήστη.
Description
Σε ένα περιβάλλον όπου τα δεδομένα και η αυτοματοποίηση αποκτούν κεντρικό ρόλο, οι παραδοσιακές προσεγγίσεις επαναπροσδιορίζονται, ενσωματώνοντας δυνατότητες πρόβλεψης, προσωποποίησης και δυναμικής προσαρμογής.
Η διπλωματική εργασία θα εστιάζει στους εξής βασικούς άξονες:
• Ο ρόλος της τεχνητής νοημοσύνης στον επανασχεδιασμό υπηρεσιών
• Η μετάβαση από στατικές σε «έξυπνες» και προσαρμοστικές υπηρεσίες (adaptive services)
• Η αξιοποίηση δεδομένων για κατανόηση και πρόβλεψη της συμπεριφοράς χρηστών
• Η ενσωμάτωση AI σε customer journeys και touchpoints
Σε επίπεδο σχεδιαστικής διαδικασίας, θα εξεταστεί πώς το AI επηρεάζει τα βασικά στάδια του service design:
• Συλλογή και ανάλυση user insights μέσω δεδομένων
• Χαρτογράφηση και βελτιστοποίηση customer journeys
• Προσωποποίηση της εμπειρίας χρήστη σε πραγματικό χρόνο
• Αυτοματοποιημένη λήψη αποφάσεων σε επίπεδο υπηρεσίας
Μεθοδολογικά, η εργασία θα βασιστεί σε:
• Αρχές Design Thinking
• Προσέγγιση User-Centered Design
• Συνδυασμό θεωρητικής ανάλυσης και πρακτικής εφαρμογής
Στο πρακτικό μέρος, θα αναπτυχθεί ένα ενδεικτικό concept ψηφιακής υπηρεσίας, το οποίο θα περιλαμβάνει:
• Λειτουργίες recommendation (προτάσεων)
• Predictive analytics για πρόβλεψη αναγκών χρηστών
• Διαδραστικό UI/UX σχεδιασμό
Τέλος, θα πρέπει να εξετασθουν κρίσιμα ζητήματα που προκύπτουν από τη χρήση AI:
• Ηθική χρήση δεδομένων και προστασία ιδιωτικότητας
• Διαφάνεια και explainability αλγορίθμων
• Εμπιστοσύνη χρήστη προς αυτοματοποιημένα συστήματα
Requirements
KANENA
Required knowledge
ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ ΑΙ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗΣ ΤΕΧΝΟΛΟΓΙΑΣ
Bibliography
https://www.elgaronline.com/edcollbook/book/9781839109362/9781839109362.xml
https://www.elgaronline.com/edcollbook/book/9781839106750/9781839106750.xml
AI-powered Surveillance and Privacy in Government Operations
Objective
Να διερευνηθεί πώς η αξιοποίηση τεχνητής νοημοσύνης (ΑΙ) στα συστήματα επιτήρησης που εφαρμόζονται από κυβερνητικούς φορείς επηρεάζει την ιδιωτικότητα, τα ανθρώπινα δικαιώματα και την κοινωνική εμπιστοσύνη, με σκοπό την ανάπτυξη προτάσεων για ισορροπημένη χρήση που συνδυάζει δημόσια ασφάλεια και προστασία ατομικών ελευθεριών.
Description
Η έρευνα εστιάζει στην αυξανόμενη χρήση τεχνολογιών επιτήρησης με υποστήριξη ΑΙ (π.χ. αναγνώριση προσώπου, ανάλυση προτύπων συμπεριφοράς, αυτόματη ανίχνευση απειλών) από κρατικούς οργανισμούς. Αντικείμενο είναι:
Χαρτογράφηση των πρακτικών χρήσης τέτοιων τεχνολογιών σε κυβερνητικές λειτουργίες (ασφάλεια, δημόσια διοίκηση, διαχείριση κρίσεων).
Ανάλυση ωφελειών, όπως ενίσχυση της ασφάλειας, αποτελεσματικότερη διαχείριση πόρων και πρόληψη εγκληματικότητας.
Εντοπισμός κινδύνων και εμποδίων, που σχετίζονται με παραβίαση προσωπικών δεδομένων, διακρίσεις μέσω αλγορίθμων (algorithmic bias), διαφάνεια και λογοδοσία.
Ανάλυση νομοθετικού και ηθικού πλαισίου στην Ευρωπαϊκή Ένωση και διεθνώς, με έμφαση στη συμμόρφωση με τον GDPR και τις κατευθύνσεις για υπεύθυνη χρήση ΑΙ.
Προτάσεις πολιτικής και τεχνολογικών λύσεων, που θα επιτρέπουν τη χρήση της ΑΙ με τρόπο που σέβεται την ιδιωτικότητα και ενισχύει την εμπιστοσύνη των πολιτών.
Η μελέτη φιλοδοξεί να συμβάλει τόσο σε ακαδημαϊκό επίπεδο (παραγωγή γνώσης γύρω από τον συνδυασμό ΑΙ, επιτήρησης και δικαιωμάτων) όσο και σε πρακτικό επίπεδο, προσφέροντας οδηγίες για κυβερνήσεις και οργανισμούς που αναπτύσσουν ή υλοποιούν τέτοιες τεχνολογίες.
Requirements
- EGOV I & II
- Interoperability
Required knowledge
- Case study analysis
Bibliography
Fontes, C., Hohma, E., Corrigan, C. C., & Lütge, C. (2022). AI-powered public surveillance systems: why we (might) need them and how we want them. Technology in Society, 71, 102137.
Kumar, A., & Kaur, R. (2024, February). Right to Privacy in the Era of AI-Powered Surveillance Technologies. In International Conference on Emerging Research in Computing, Information, Communication, Artificial Intelligence and Machine Learning (pp. 245-252). Singapore: Springer Nature Singapore.
Singh, T. (2023, October). AI-Driven Surveillance Technologies and Human Rights: Balancing Security and Privacy. In International Conference on Smart Systems: Innovations in Computing (pp. 703-717). Singapore: Springer Nature Singapore.
Analysis of International Practices and Systems for Managing Governmental Activities
Objective
Η εργασία στοχεύει στην ανεύρεση (μέσω διαδικτυακής έρευνας) πρακτικών και συστημάτων που χρησιμοποιούνται για την παρακολούθηση κυβερνητικών δράσεων, σε ανώτατατο και ανώτερο επίπεδο (Πρωθυπουργός - Υπουργοί - Γεν. Γραμματείς) και τη συγκριτική τους ανάλυση για εξαγωγή συμπερασμάτων, σε σύγκριση και με ανάλογο σύστημα στην Ελλάδα
Description
Το αντικείμενο της εργασίας αναλύεται στα εξής:
1. Αναζήτηση (μέσω διαδικτυακής έρευνας) πρακτικών και συστημάτων που χρησιμοποιούνται για την παρακολούθηση κυβερνητηση δράσεων διεθνώς
2. Συγκριτική ανάλυση των σχετικών πρακτικών και συστημάτων
3. Ανάλυση σχετικών συστημάτων στον ιδιωτικό τομέα
4. Ανάλυση του Ελληνικού συστήματος "ΜΑΖΙ" (θα δοθεί κατάλληλη πρόσβαση, σε συνεργασία με τη Ειδική Γραμματεία Παρακολούθησης του Κυβερνητικού Έργου)
5. Πρόταση νέων λειτουργιών και χαρακτηριστικών για το "ΜΑΖΙ", με βάση τη διεθνή εμπειρία
6. Ανάλυση σκοπιμότητας για τη διεθνοποίηση του συστήματος "ΜΑΖΙ"
Requirements
ΗΔ Ι
ΗΔ ΙΙ
Required knowledge
Γνώση τεχνολογιών και τεχνικών διοίκησης έργων
Bibliography
https://www.google.com/search?sxsrf=ALeKk03xqht3VsN1LP1CkDkVOIWSpSZl8A%3A1600870093080&ei=zVZrX4PFBJHnxgO5sYaYDQ&q=%CE%BC%CE%B1%CE%B6%CE%AF+%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%85%CE%B8%CE%B7%CF%83%CE%B7+%CE%BA%CF%85%CE%B2%CE%B5%CF%81%CE%BD%CE%B7%CF%84%CE%B9%CE%BA%CE%BF%CF%8D+%CE%AD%CF%81%CE%B3%CE%BF%CF%85&oq=%CE%BC%CE%B1%CE%B6%CE%AF+%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%85%CE%B8%CE%B7%CF%83%CE%B7+%CE%BA%CF%85%CE%B2%CE%B5%CF%81%CE%BD%CE%B7%CF%84%CE%B9%CE%BA%CE%BF%CF%8D+%CE%AD%CF%81%CE%B3%CE%BF%CF%85&gs_lcp=CgZwc3ktYWIQA1CmJlj5Q2C6SmgEcAB4AIAB_AGIAd8MkgEGMC4xMC4xmAEAoAEBqgEHZ3dzLXdpesABAQ&sclient=psy-ab&ved=0ahUKEwjD3-rpuf_rAhWRs3EKHbmYAdMQ4dUDCA0&uact=5
Application development for protection against physical abuse
Objective
Σχεδίαση και Ανάπτυξη εφαρμογής σε φορητή συσκευή όπου θα αντιλαμβάνεται αν ο κάτοχος δέχεται φυσική επίθεση από κακοποιούς και θα ενημερώνει προκαθορισμένες επαφές για την επίθεση.
Description
Διερεύνηση των δυνατοτήτων που έχουν κινητά τηλέφωνα και άλλες συσκευές wearable ώστε να αντιληφθούν φυσικές πράξεις βίας στον κάτοχο τους μέσω των αισθητήρων τους πχ, κάμερα, μικρόφωνο , γυροσκόπιο, gps, αισθητήρων παλμών καρδιάς, κτλ . Ανάπτυξη κατάλληλου λογισμικού αξιοποιήσεως αυτών των αισθητήρων και αξιολογήσεως των ερεθισμάτων που δέχονται.
Requirements
Προγραμματισμός στο Διαδίκτυο
Επικοινωνία Ανθρώπου – Υπολογιστή με Εφαρμογές στον Παγκόσμιο Ιστό
Προηγμένα Θέματα Γλωσσών Προγραμματισμού
Required knowledge
Βασικές τεχνικές και προγραμματισμός εφαρμογών σε κινητά και wearables
Bibliography
θα αναπτυχθεί κατά την διάρκεια της διπλωματικής
Applications of Language Models and Voice Interfaces in Intelligent Assistant Systems for Support Platforms for Vulnerable Groups
Objective
Μελέτη και ανάπτυξη ευφυών φωνητικών διεπαφών και αλληλεπίδρασης με φυσική γλώσσα σε συστήματα ευφυούς βοηθού, με έμφαση στις πλατφόρμες υποστήριξης ευπαθών ομάδων όπως οι ηλικιωμένοι
Description
Η εργασία εστιάζει στην υλοποίηση αλληλεπίδρασης μέσω φυσικής γλώσσας με τη χρήση μεγάλων γλωσσικών μοντέλων, όπως το Meltemi και το GPT-4, για πλατφόρμες υποστήριξης ευπαθών ομάδων. Οι φωνητικές διεπαφές θα αναπτυχθούν για να υποστηρίξουν την αλληλεπίδραση με χρήστες σε καθημερινές λειτουργίες, όπως υπενθυμίσεις φαρμάκων και κοινωνική αλληλεπίδραση. Εξετάζεται η χρήση τεχνολογιών Speech-to-Text και Text-to-Speech, η διασύνδεση με LLMs, καθώς και η αξιολόγηση της απόδοσης των συστημάτων μέσω χρήστη.
Requirements
- Ανάπτυξη Διαδραστικών Συστημάτων
- Ευφυή Συστήματα και Δίκτυα
Required knowledge
- Ανάπτυξη Διαδραστικών Συστημάτων
- Ευφυή Συστήματα και Δίκτυα
Bibliography
[1] Achiam, J., Adler, S., Agarwal, S., Ahmad, L., Akkaya, I., Aleman, F. L., ... & McGrew, B. (2023). Gpt-4 technical report. arXiv preprint arXiv:2303.08774.
[2] Voukoutis, L., Roussis, D., Paraskevopoulos, G., Sofianopoulos, S., Prokopidis, P., Papavasileiou, V., ... & Katsouros, V. (2024). Meltemi: The first open Large Language Model for Greek. arXiv preprint arXiv:2407.20743.
[3] Llama 2: Open Foundation and Fine-Tuned Chat Models | Research - AI at Meta - https://ai.meta.com/research/publications/llama-2-open-foundation-and-fine-tuned-chat-models/
Artificial Intelligence and Internet of Things for Health and Sports Monitoring, Analysis and Decision Support
Objective
· Μελέτη των τεχνολογιών IoT και των έξυπνων αισθητήρων για εφαρμογές υγείας και αθλητισμού.
· Διερεύνηση αλγορίθμων Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης για ανάλυση βιομετρικών δεδομένων.
· Αξιολόγηση φορετών συσκευών (smart watches, fitness trackers, biosensors).
· Ανάπτυξη ή αξιολόγηση μοντέλων πρόβλεψης υγείας και αθλητικής απόδοσης.
· Μελέτη ζητημάτων ιδιωτικότητας, ασφάλειας και προστασίας προσωπικών δεδομένων.
· Διερεύνηση της χρήσης Generative AI και LLMs για παροχή εξατομικευμένων συστάσεων υγείας και άσκησης.
Description
Η συνεχής ανάπτυξη των τεχνολογιών Τεχνητής Νοημοσύνης (Artificial Intelligence - AI) και Διαδικτύου των Πραγμάτων (Internet of Things - IoT) δημιουργεί νέες δυνατότητες για την παρακολούθηση, ανάλυση και βελτιστοποίηση της ανθρώπινης υγείας και αθλητικής απόδοσης. Η χρήση έξυπνων αισθητήρων, φορετών συσκευών (wearables), κινητών εφαρμογών και προηγμένων αλγορίθμων μηχανικής μάθησης επιτρέπει τη συλλογή και επεξεργασία δεδομένων σε πραγματικό χρόνο, παρέχοντας εξατομικευμένες υπηρεσίες υποστήριξης λήψης αποφάσεων.
Η διπλωματική εργασία στοχεύει στη μελέτη και αξιολόγηση σύγχρονων τεχνολογιών AI και IoT για εφαρμογές που αφορούν την υγεία, την ευεξία, την πρόληψη ασθενειών, την παρακολούθηση φυσικής δραστηριότητας και τη βελτίωση της αθλητικής απόδοσης.
Ενδεικτικές Περιοχές Εφαρμογής
Υγεία
· Παρακολούθηση καρδιακών παλμών και ζωτικών σημείων.
· Έγκαιρη ανίχνευση προβλημάτων υγείας.
· Υποστήριξη ηλικιωμένων και ευπαθών ομάδων.
· Τηλεϊατρική και απομακρυσμένη παρακολούθηση ασθενών.
· Ψηφιακή υγεία και έξυπνα συστήματα φροντίδας.
Αθλητισμός
· Παρακολούθηση φυσικής δραστηριότητας.
· Ανάλυση αθλητικής απόδοσης.
· Πρόληψη τραυματισμών.
· Εξατομικευμένα προγράμματα προπόνησης.
· Real-time coaching με χρήση AI.
AI και IoT
· Wearable Computing.
· Edge AI.
· Predictive Analytics.
· Federated Learning.
· Digital Twins για υγεία και αθλητισμό.
· Generative AI Assistants για υποστήριξη αθλητών και επαγγελματιών υγείας.
Μεθοδολογία
Η εργασία μπορεί να περιλαμβάνει:
· Βιβλιογραφική ανασκόπηση της διεθνούς βιβλιογραφίας.
· Μελέτη υπαρχόντων συστημάτων και πλατφορμών.
· Συλλογή και ανάλυση δεδομένων από αισθητήρες ή δημόσια σύνολα δεδομένων.
· Ανάπτυξη και αξιολόγηση μοντέλων μηχανικής μάθησης.
· Μελέτη περίπτωσης σε περιβάλλον υγείας ή αθλητισμού.
· Συγκριτική αξιολόγηση τεχνολογικών λύσεων.
Requirements
Μηχανική Μάθηση
Δίκτυα
Required knowledge
· Βασικές γνώσεις Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης.
· Βασικές γνώσεις Δικτύων και Internet of Things.
· Εξοικείωση με ανάλυση δεδομένων και προγραμματισμό.
· Ενδιαφέρον για εφαρμογές ψηφιακής υγείας και αθλητικής τεχνολογίας.
Bibliography
Βιβλιογραφία για Διπλωματική Εργασία: AI, IoT, Υγεία και Αθλητισμός
· Russell & Norvig – Artificial Intelligence: A Modern Approach
· Goodfellow, Bengio & Courville – Deep Learning
· Géron – Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow
· Chip Huyen – Designing Machine Learning Systems
· Bahga & Madisetti – Internet of Things: A Hands-On Approach
· Buyya & Dastjerdi – Internet of Things: Principles and Paradigms
· Gubbi et al. – Internet of Things: A Vision, Architectural Elements and Future Directions
· Topol – Deep Medicine
· Esteva et al. – A Guide to Deep Learning in Healthcare
· Alamar – Sports Analytics
· Sazonov – Wearable Sensors
· Patel et al. – A Review of Wearable Sensors and Systems with Application in Rehabilitation
· IEEE Internet of Things Journal
· Nature Digital Medicine
· IEEE Journal of Biomedical and Health Informatics
· PhysioNet
· MIMIC-IV Database
· UCI Machine Learning Repository
· Kaggle Health Datasets
Assessing the quality of e-Government services for entrepreneurship: a comparative study
Objective
Η μελέτη στοχεύει στη διεξαγωγή συγκριτικής ανάλυσης των διαδικτυακών ιστοτόπων για τις περιφερειακές επενδύσεις.
Description
Οι επενδύσεις έχουν γίνει μια από τις πιο σημαντικές πηγές οικονομική ανάπτυξη τόσο σε εθνικό όσο και σε περιφερειακό επίπεδο. Πρόσφατες μελέτες έχουν δείξει ότι τα έργα ηλεκτρονικής διακυβέρνησης μπορούν να προωθήσουν
άμεσες επενδύσεις και συνεπάγονται ανάπτυξη επιχειρηματικότητας κυρίως στις οικονομίες των αναδυόμενων αγορών. Ωστόσο, μια συστηματική κριτική της βιβλιογραφίας δείχνει την έλλειψη ερευνών που επικεντρώνονται στο περιφερειακό επίπεδο υπηρεσιών ηλεκτρονικής διακυβέρνησης για επενδυτές και επιχειρηματίες.
Η πρωτοβουλία ηλεκτρονικής διακυβέρνησης στην Ελλάδα στοχεύει στη διευκόλυνση της αλληλεπίδρασης μεταξύ επιχειρηματικής κοινότητας και περιφερειακών αρχών. Η μελέτη θα πρέπει να συμβάλει:
1. στη δημιουργία πρωτότυπης μεθοδολογίας και το σχεδιασμό του δείκτη ποιότητας για τις πύλες επενδύσεων στην Ελλάδα. Ο συνολικός δείκτης περιλαμβάνει παράγοντες όπως η διαθεσιμότητα απαραίτητων νομοθετικών πληροφοριών για επενδυτές, χρήση μεταδεδομένων, εύκολη πλοήγηση, συνάφεια των παρεχόμενων πληροφοριών, ολοκλήρωση
με μέσα κοινωνικής δικτύωσης και δυνατότητα μετάφρασης σε ξένες γλώσσες. Θα πρέπει επίσης να ληφθεί υπόψη ο χρόνος απόκρισης σε ερωτήσεις επιχειρηματιών.
2. την μέτρηση όλων των περιφεαρειακών ενοτήτων σύμφωνα με την ανεπτυγμένη μεθοδολογία.
Requirements
- Καινοτομία και Επιχειρηματικότητα
- Χρηματο-οικονομικά
- Διαχείριση Ανοιχτών, Μεγάλων και Διασυνδεμένων Δεδομένων
Required knowledge
- Αναγνώριση δεικτών επιχειρηματικότητας
- Ανάλυση Πληροφοριακών Συστημάτων
- Excel
Bibliography
- Pakhalov, A. M., Rozhkova, N. A., & Alexopoulos, C. (2020, September). Assessing the quality of e-Government services for entrepreneurship: a comparative study in Russia's regions. In Proceedings of the 13th International Conference on Theory and Practice of Electronic Governance (pp. 315-325).
- Hafner, K. A., & Kleinert, J. (2018). FDI Flows and Regional Development: Lessons for Transition Countries. In Entrepreneurship in Post-Communist Countries (pp. 47-59). Springer, Cham.
- Batra, G., Kaufmann, D., & Stone, A. H. (2003). Investment climate around the world: Voices of the firms from the World Business Environment Survey. The World Bank.
- Kachwamba, M. (2011). Impact of E-Government on Transaction Cost and FDI Inflows: A Proposed Conceptual Framework. International Journal of Business and Management, 6(11).
Assessment Methodologies in Open Data Initiatives
Objective
Η εργασία στοχεύει στη μελέτη και συγκριτική ανάλυση των μεθόδων αξιολόγησης ανοιχτών δεδομένων (open data).
Description
Η εργασία στοχεύει στη μελέτη και συγκριτική ανάλυση των μεθόδων αξιολόγησης ανοιχτών δεδομένων (open data).
Περιγραφή
Διεθνείς και εθνικοί οργανισμοί χρησιμοποιούν όλο και περισσότερο μεθόδους αξιολόγησης ανοιχτών δεδομένων (open data). Αυτές οι μέθοδοι εστιάζουν συνήθως στην ποιότητα, τη διαθεσιμότητα, τη χρηστικότητα και τον αντίκτυπο των ανοιχτών δεδομένων. Θα ανιχνευθούν και θα μελετηθούν διεξοδικά οι υπάρχουσες μέθοδοι αξιολόγησης ανοιχτών δεδομένων (open data). Θα παρουσιασθούν τα χαρακτηριστικά της κάθε προσέγγισης και θα αναλυθούν τα πεδία εφαρμογής τους. Θα πραγματοποιηθεί συγκριτική αξιολόγηση και θα εντοπισθούν τα χαρακτηριστικά, οι παράμετροι αξιολόγησης (π.χ. machine-readability, open data policies, APIs) οι αδυναμίες και τα ισχυρά σημεία της κάθε μίας. Θα προταθούν στοιχεία βελτίωσης τους ώστε να καλυφθούν οι υπάρχουσες απαιτήσεις παροχής και αξιοποίησης ανοιχτών δεδομένων καθώς και τρόποι αυτοματοποίησης της εφαρμογής τους. Ακολουθούν, ενδεικτικά, ορισμένα μέθοδοι και πλαίσια αξιολόγησης ανοιχτών δεδομένων:
Διεθνές επίπεδο:
· Open Data Barometer (ODB) (World Wide Web Foundation)
· Global Open Data Index (GODI) (Open Knowledge Foundation)
· Open Data Maturity Report (Organization: European Data Portal)
· Open Government Data (OGD) Survey (Organisation for Economic Co-operation and Development)
· Open Data Impact Map (Open Data for Development Network)
· Open Data Readiness Assessment (ODRA) (World Bank)
· Data Development Index (DDI) (International Telecommunication Union)
· Open Data Inventory (ODIN) (Open Data Watch)
Εθνικό επίπεδο
· Open Data Certificates (Open Data Institute, UK)
· Open Data Maturity Model (Government agencies in various countries (e.g., the UK, Canada).
· Open Data Quality Assessment Framework (National Information Society Agency, South Korea)
· Data Openness Assessment (DOA) (National Digital Transformation Agency, Thailand)
Requirements
Διαχείριση μεγάλων, ανοικτών και διασυνδεδεμένων Δεδομένων
Required knowledge
· Καλή γνώση αγγλικής γλώσσας.
· Βιβλιογραφική έρευν
Bibliography
https://opendatabarometer.org/
http://index.okfn.org/
https://data.europa.eu/en/publications/open-data-maturity
Assessment of Hospital websites in Greece
Objective
Η εργασία στοχεύει στην αξιολόγηση των διαδικτυακών ιστοτόπων Ελληνικών νοσοκομείων μέσω ενός ήδη αναπτυγμένου πλαισίου αξιολόγησης.
Description
Για την πραγματοποίηση της εργασίας θα χρησιμοποιηθεί το εργαλείο αξιολόγησης ‘Health Sector Website Assessment (HSWAI)’ για την αξιολόγηση διαδικτυακών
τόπων ελληνικών νοσοκομείων. Θα πραγματοποιηθεί ανάλυση των αποτελεσμάτων αξιολόγησης και σύγκριση με αντίστοιχη μελέτη που έχει πραγματοποιθεί στην
Πορτογαλία για την εξαγωγή συμπερασμάτων σχετικά με τις τάσεις και τα χαρακτηριστικά των διαδικτυακών τόπων των νοσοκομείων. Η εργασία περιλαμβάνει
την επιλογή των χαρακτηριστικών των νοσοκομείων που θα αξιολογηθούν.
Requirements
- Ηλεκτρονική Διακυβέρνηση Ι
- Ηλεκτρονική Διακυβέρνηση ΙΙ
Required knowledge
- Η στατιστική επεξεργασία είναι επιπέδου στατιστικού φύλλου (π.χ. EXCEL).
- Βιβλιογραφική έρευνα.
- Στατιστική ανάλυση.
Bibliography
- Sarantis, D., Soares, D., & Carvalho, J. (2020, September). HSWAI: a health sector website assessment instrument. In Proceedings of the 13th International Conference on Theory and Practice of Electronic Governance (pp. 359-368).
- Sarantis, D., & Soares, D. (2019, April). Developing Health Sector Website Assessment Instrument: Outcomes from Portuguese Hospitals. In 2019 Sixth International Conference on eDemocracy & eGovernment (ICEDEG) (pp. 120-127). IEEE.
Assessment of Hospital websites in Greece
Objective
Η εργασία στοχεύει στην αξιολόγηση των διαδικτυακών ιστοτόπων Ελληνικών νοσοκομείων μέσω ενός ήδη αναπτυγμένου πλαισίου αξιολόγησης.
Description
Για την πραγματοποίηση της εργασίας θα χρησιμοποιηθεί το εργαλείο αξιολόγησης ‘Health Sector Website Assessment (HSWAI)’ για την αξιολόγηση διαδικτυακών
τόπων ελληνικών νοσοκομείων. Θα πραγματοποιηθεί ανάλυση των αποτελεσμάτων αξιολόγησης και σύγκριση με αντίστοιχη μελέτη που έχει πραγματοποιθεί στην
Πορτογαλία για την εξαγωγή συμπερασμάτων σχετικά με τις τάσεις και τα χαρακτηριστικά των διαδικτυακών τόπων των νοσοκομείων. Η εργασία περιλαμβάνει
την επιλογή των χαρακτηριστικών των νοσοκομείων που θα αξιολογηθούν.
Requirements
- Ηλεκτρονική Διακυβέρνηση Ι
- Ηλεκτρονική Διακυβέρνηση ΙΙ
Required knowledge
- Η στατιστική επεξεργασία είναι επιπέδου στατιστικού φύλλου (π.χ. EXCEL).
- Βιβλιογραφική έρευνα.
- Στατιστική ανάλυση.
Bibliography
- Sarantis, D., Soares, D., & Carvalho, J. (2020, September). HSWAI: a health sector website assessment instrument. In Proceedings of the 13th International Conference on Theory and Practice of Electronic Governance (pp. 359-368).
- Sarantis, D., & Soares, D. (2019, April). Developing Health Sector Website Assessment Instrument: Outcomes from Portuguese Hospitals. In 2019 Sixth International Conference on eDemocracy & eGovernment (ICEDEG) (pp. 120-127). IEEE.
Authorship Attribution Using Pre-trained Language Models
Objective
Στόχος της εργασίας είναι η χρήση μεθόδων βαθιάς μάθησης (νευρωνικά δίκτυα με ανατροφοδότηση και transformers) σε εφαρμογές ταξινόμησης κειμένων.
Description
Η βαθιά μάθηση έχει χρησιμοποιηθεί με μεγάλη επιτυχία τα τελευταία χρόνια σε πλειάδα εφαρμογών. Στόχος της εργασίας είναι η μελέτη της χρήσης νευρωνικών δικτύων με ανατροφοδότηση (recurrent neural networks, long short-term memory networks) αλλά και των transformers σε εφαρμογές ταξινόμησης κειμένων, όπως η ανάλυση συναισθήματος (sentiment analysis), η αναγνώριση θεματικής κατηγορίας και η αναγνώριση συγγραφικής πατρότητας.
Requirements
Ευφυή Συστήματα
Required knowledge
Προγραμματισμός σε Python
Bibliography
Georgios Barlas, Efstathios Stamatatos: A transfer learning approach to cross-domain authorship attribution. Evolving Systems, 12(3): 625-643 (2021)
Rafael A. Rivera-Soto, Olivia Elizabeth Miano, Juanita Ordonez, Barry Y. Chen, Aleem Khan, Marcus Bishop, and Nicholas Andrews. 2021. Learning Universal Authorship Representations. In Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing, pages 913–919
Blockchain and Law: Smart Contracts and AI
Objective
Αυτό το θέμα εξετάζει τις νομικές επιπτώσεις των έξυπνων συμβάσεων (smart contracts) που βασίζονται στην τεχνολογία blockchain και την ενσωμάτωσή τους με συστήματα τεχνητής νοημοσύνης.
Description
Η έρευνα αναλύει ζητήματα νομικής ισχύος, εκτελεστότητας, ευθύνης, διαφάνειας, ασφαλείας, καθώς και τις προκλήσεις που εγείρονται λόγω της αυτοματοποίησης και της διασυνοριακής φύσης των ψηφιακών συμβάσεων. Διερευνά επίσης πώς τα υπάρχοντα νομικά πλαίσια μπορούν να προσαρμοστούν ώστε να αντιμετωπίσουν τον συνδυασμό blockchain και AI.
Requirements
- egov I & II
Required knowledge
Βιβλιογραφική ανασκόπηση
Bibliography
Martinez, M. & Hill, A. Legal Challenges in Blockchain-Based Smart Contracts (2023) — επισκόπηση νομικών ζητημάτων και ασάφειας στη νομοθεσία συμβολαίων blockchain. jiclt.com
From smart legal contracts to contracts on blockchain: An empirical investigation (2024) — ανασκόπηση της τρέχουσας νομικής αντιμετώπισης των smart contracts. ScienceDirect
Adopting Artificial Intelligence to Strengthen Legal Safeguards in Blockchain Smart Contracts (2024) — πρόταση ενσωμάτωσης AI για μείωση απάτης και ενίσχυση ασφάλειας. MDPI
Blockchain-AI convergence in the services sector: Prospects and Challenges
Objective
This research explores the convergence of Blockchain and Artificial Intelligence (AI) in the services sector, analyzing their combined potential to drive innovation, enhance efficiency, and redefine business models.
Description
As digital transformation accelerates, the integration of these two technologies offers significant prospects for industries such as finance, healthcare, supply chain management, and customer service. Blockchain can provide secure, transparent, and immutable records, while AI can enable advanced data analytics, decision-making, and automation. The research delves into how this convergence can enhance data privacy, streamline transactions, and improve operational efficiencies.
However, the convergence also presents several challenges, including scalability issues, regulatory concerns, and the complexities of integrating these technologies into existing infrastructures. Furthermore, questions regarding the ethical implications, data security, and the potential for monopolization by large entities need to be addressed. By investigating these prospects and challenges, the research aims to provide a comprehensive understanding of the synergies between blockchain and AI, offering insights for businesses, policymakers, and regulators on how to leverage this convergence effectively within the services sector.
Requirements
Digital Products
Big Data and AI
Required knowledge
Literature review
Bibliography
https://www.sciencedirect.com/science/article/abs/pii/S2214209622000687

