Diploma Theses

Η εμπειρική διερεύνηση των παραγόντων οι οποίοι επηρεάζουν τον βαθμό συνέχισης της χρήσης του ηλεκτρονικού εμπορίου μετά το τέλος της πανδημίας COVID-19 μέσω συλλογής δεδομένων από καταναλωτές με χρήση ερωτηματολογίου και στην συνέχεια στατιστικής ανάλυσης (βασικής και προηγμένης) των δεδομένων αυτών

Αρχικά θα μελετηθεί η προ-ϋπάρχουσα βιβλιογραφία σχετικά με την συνέχιση χρήσης πληροφοριακών συστημάτων (IS continuance), και στην συνέχεια με βάση την βιβλιογραφία αυτή θα καταρτισθεί το ερευνητικό μοντέλο. Ακολούθως θα καταρτισθεί σχετικό ερωτηματολόγιο για συλλογή δεδομένων από καταναλωτές, το οποίο θα περιλαμβάνει για κάθε ένα από τα μεγέθη που περιλαμβάνει το παραπάνω ερευνητικό μας μοντέλο.έναν αριθμό ερωτήσεων (βασισμένων και πάλι στην σχετική βιβλιογραφία). Τα δεδομένα τα οποία θα συλλεγούν με το ερωτηματολόγιο αυτό θα αναλυθούν: α) με χρήση βασικών επεξεργασιών περιγραφικής στατιστικής, και β) με χρήση προηγμένων μεθόδων παλινδρόμησης. Από τα αποτελέσματα των αναλύσεων αυτών θα εξαχθούν συμπεράσματα όσον αφορά τους καθοριστικούς παράγοντες της συνέχισης χρήσης του E-commerce από τους καταναλωτές μετά το τέλος του COVID-19.

αα

αα

ααα

Η ύπαρξη δομημένων ιατρικών δεδομένων δίνει την ευκαιρία χρησιμοποίησης αλγορίθμων μηχανικής μάθησης για τη βελτιστοποίηση κάποιας θεραπείας ή για την πρόβλεψη της έκβασης μιας θεραπείας. Τα δεδομένα αυτά έχουν συνήθως διαφορετικά χρονικά χαρακτηριστικά, και αρκετές ελλείπεις τιμές.

Στα πλαίσια της παρούσας διπλωματικής εργασίας θα χρησιμοποιηθούν αλγόριθμοι επεξεργασίας δεδομένων και μέθοδοι μηχανικής μάθησης για την επεξεργασία ιατρικών δεδομένων, με έμφαση στην αξιοποίηση της πληροφορίας που μεταβάλλεται χρονικά. Επίσης, θα αξιολογηθεί η δυνατότητα αλγορίθμων μηχανικής μάθησης να εντοπίζουν αυτόματα την έκβαση της εκάστοτε θεραπείας [1].

Εξόρυξη Γνώσης από Δεδομένα

Μηχανική Γνώσης και Συστήματα Γνώσης

Γνώση Αγγλικής γλώσσας

Δεξιότητες προγραμματισμού

[1] Danilatou, Vasiliki, Despoina Antonakaki, Christos Tzagkarakis, Alexandros Kanterakis, Vasilios Katos, and Theodoros Kostoulas. "Automated Mortality Prediction in Critically-ill Patients with Thrombosis using Machine Learning." In 2020 IEEE 20th International Conference on Bioinformatics and Bioengineering (BIBE), pp. 247-254. IEEE, 2020.

Το εργαλείο που θα αναπτυχθεί θα υποστηρίζει την αυτοματοποιημένη συγκέντρωση, ενοποίηση και ερμηνεία διαφορετικών συνόλων δεδομένων. Θα επιτρέπει στους ερευνητές να δημιουργούν μια ενοποιημένη πειραματική απεικόνιση ανά ομάδα χρηστών, συνεδρία και σενάριο, καθώς και να εξάγουν ουσιαστικά συμπεράσματα και πρότυπα από τα συλλεχθέντα δεδομένα.

Το εργαστήριο UXBTC περιλαμβάνει ένα ευρύ φάσμα αισθητήρων και συσκευών παρακολούθησης που παράγουν δεδομένα σε πραγματικό χρόνο κατά τη διάρκεια πειραμάτων με χρήστες. Τα δεδομένα αυτά αντιστοιχούν σε πολλαπλά πειραματικά σενάρια και διαφορετικές ομάδες συμμετεχόντων (π.χ. ηλικιωμένοι χρήστες, ευάλωτες ή ειδικές ομάδες, αλλοδαποί συμμετέχοντες). Σήμερα, τα δεδομένα είναι ιδιαίτερα κατακερματισμένα ως προς τις πηγές και τις μορφές τους, γεγονός που απαιτεί εκτεταμένη χειροκίνητη προεπεξεργασία και ενοποίηση προκειμένου να επιτευχθεί μια ενιαία αναλυτική εικόνα.

Το εργαλείο που θα αναπτυχθεί θα υποστηρίζει την αυτοματοποιημένη συγκέντρωση, ενοποίηση και ερμηνεία των παραπάνω συνόλων δεδομένων. Θα επιτρέπει στους ερευνητές να δημιουργούν μια ενοποιημένη πειραματική απεικόνιση ανά ομάδα χρηστών, συνεδρία και σενάριο, καθώς και να εξάγουν ουσιαστικά συμπεράσματα και πρότυπα από τα συλλεχθέντα δεδομένα. Το σύστημα αναμένεται να ενσωματώνει σύγχρονες μεθόδους προεπεξεργασίας, καθαρισμού, μετασχηματισμού και ανάλυσης δεδομένων, καθώς και εξειδικευμένους δείκτες και μαθηματικούς τύπους του πεδίου εφαρμογής, ώστε να παράγεται μια σαφής και κατανοητή αναπαράσταση της συμπεριφοράς των χρηστών και των αποτελεσμάτων των πειραμάτων. Τελικός στόχος είναι η λειτουργία της πλατφόρμας ως σύστημα υποστήριξης αποφάσεων και έρευνας, μετατρέποντας τα ακατέργαστα πειραματικά δεδομένα σε αξιοποιήσιμη γνώση.

Λειτουργικότητα:

• Γραφικό περιβάλλον χρήστη (GUI) για μεταφόρτωση και διαχείριση συνόλων δεδομένων

• Οπτικοποίηση μεταδεδομένων πειραμάτων (ομάδα συμμετεχόντων, σενάριο, χρησιμοποιούμενοι αισθητήρες, χρονικές σημάνσεις κ.ά.)

• Παραμετροποιήσιμη ροή προεπεξεργασίας (καθαρισμός, κανονικοποίηση, συγχώνευση, φιλτράρισμα)

• Αναλυτικό πίνακα ελέγχου (dashboard) με συγκεντρωτικές και ανά-πείραμα απεικονίσεις

• Μονάδα εξαγωγής συμπερασμάτων με υπολογισμό εξειδικευμένων δεικτών και μαθηματικών τύπων

• Διαδραστικές επιλογές φιλτραρίσματος για τον εντοπισμό βασικών ευρημάτων, συμπεριφορικών τάσεων και ειδικών αποτελεσμάτων ανά πείραμα

• Δυνατότητες εξαγωγής επεξεργασμένων δεδομένων, οπτικοποιήσεων και αναφορών

- Προγραμματισμός

- Τεχνολογίες Λογισμικού

Η γλώσσα Python θα χρησιμοποιηθεί ως βασικός πυρήνας ανάπτυξης, με αξιοποίηση του Flask (ή αντίστοιχων πλαισίων) για την ανάπτυξη του backend και της διεπαφής. Μπορούν επίσης να αξιοποιηθούν κατάλληλες τεχνολογίες επεξεργασίας δεδομένων, οπτικοποίησης και ανάλυσης, με στόχο την υποστήριξη κλιμακούμενης προεπεξεργασίας, υπολογισμού και διαδραστικής ανάλυσης.

Hanlon, R., Barry, M., Marrinan, F., & O'Sullivan, D. (2021, January). Towards an effective user interface for data exploration, data quality assessment and data integration. In 2021 IEEE 15th International Conference on Semantic Computing (ICSC) (pp. 431-436). IEEE.

Persson, J. S., Bruun, A., Lárusdóttir, M. K., & Nielsen, P. A. (2022). Agile software development and UX design: A case study of integration by mutual adjustment. Information and Software Technology, 152, 107059.

Οι στόχοι της παρούσας διπλωματικής είναι:

•  Να διερευνήσει τις σύγχρονες τεχνολογίες και τεχνικές για την Ασφάλεια Φυσικού Επιπέδου (PLS) σε ασύρματα δίκτυα επικοινωνίας.
• Να μελετήσει τα χαρακτηριστικά των μη επανδρωμένων εναέριων οχημάτων (UAV) ως πλατφόρμα για PLS.
• Να αναπτύξει ένα μοντέλο προσομοίωσης που μπορεί να αξιολογήσει την αποτελεσματικότητα των λύσεων PLS που βασίζονται σε UAV σε δίκτυα ασύρματων επικοινωνιών με χρήση στοχαστικής γεωμετρίας ή γεωμετρικών-στοχαστικών μοντέλων ραδιοδιαύλου.
• Να αξιολογήσει την απόδοση του αναπτυγμένου μοντέλου προσομοίωσης σε IoT περιπτώσεις χρήσεις (και γιατί είναι κατάλληλες τεχνικές για αυτές).

Η διπλωματική περιλαμβάνει τις ακόλουθες δραστηριότητες:

• Ανασκόπηση βιβλιογραφίας των τεχνολογιών και τεχνικών αιχμής για το PLS σε δίκτυα ασύρματων επικοινωνιών, καθώς και των χαρακτηριστικών των UAV ως πλατφόρμας για το PLS.
• Ανάπτυξη Μοντέλου Προσομοίωσης με βάση την ανασκόπηση της βιβλιογραφίας που να μπορεί να αξιολογήσει την αποτελεσματικότητα των λύσεων PLS που βασίζονται σε UAV σε δίκτυα ασύρματων επικοινωνιών. Το μοντέλο προσομοίωσης θα πρέπει να μπορεί να καταγράφει την επίδραση των UAV στα χαρακτηριστικά ασύρματων καναλιών, καθώς και την επίδραση των τεχνικών PLS στην τηλεπικοινωνιακή κίνηση. Η διαδικασία απαιτεί χρήση στοχαστικής γεωμετρίας για την μοντελοποίηση των συστημάτων, είτε τη χρήση γεωμετρικών-στοχαστικών μοντέλων όπως το Quadriga, Winner II, 3GPP-IMT2020 κλπ.
• Αξιολόγηση απόδοσης μετά την εξομοίωση, μεγεθών όπως χωρητικότητα μυστικότητας, χωρητικότητα μυστικού κλειδιού, ρυθμός σφάλματος bit και αναλογία σήματος προς θόρυβο για να αξιολογήσετε την απόδοση του αναπτυγμένου μοντέλου προσομοίωσης.
• Ανάλυση και επίδειξη των αποτελεσμάτων της προσομοίωσης και αποδείξτε την αποτελεσματικότητα των λύσεων PLS που βασίζονται σε UAV μέσω περιπτωσιολογικών μελετών όπου τα UAV εξυπηρετούν low-end IoT συσκευές. Οι περιπτωσιολογικές μελέτες θα πρέπει να καλύπτουν μια σειρά από σενάρια όπως αγροτικά, αστικά περιβάλλοντα, εσωτερικά περιβάλλοντα και εξωτερικά περιβάλλοντα.

Ασφάλεια στο Φυσικό επίπεδο

Βασικές γνώσεις τηλεπικοινωνιών και διάδοσης.

Matlab ή Python

Michailidis, Emmanouel T., Maliatsos Konstantinos, et al. "Secure UAV-Aided Mobile Edge Computing for IoT: A Review." IEEE Access 10 (2022): 86353-86383.

Sun, Xiaofang, et al. "Physical layer security in UAV systems: Challenges and opportunities." IEEE Wireless Communications 26.5 (2019): 40-47.

Wu, Qingqing, Weidong Mei, and Rui Zhang. "Safeguarding wireless network with UAVs: A physical layer security perspective." IEEE Wireless Communications 26.5 (2019): 12-18.

Στόχος της παρούσας διπλωματικής είναι η κατανόηση του τρόπου που ένα διαδικτυακό ρομπότ μπορεί να προσποιηθεί ανθρώπινη συμπεριφορά καθώς επίσης και των μεθόδων που είναι διαθέσιμες για τον εντοπισμό του.

Στα πλαίσια της παρούσας διπλωματικής εργασίας θα χρησιμοποιηθούν μέθοδοι μηχανικής μάθησης και επεξεργασίας δεδομένων για τη μελέτη και τον εντοπισμό διαδικτυακών ρομπότ [1]. Θα αποκαλυφθούν οι πολυτροπικοί τρόποι με τους οποίους ένα web bot είναι σε θέση να ξεγελάσει μια συσκευή και θα αναπτυχθούν μέθοδοι προσομοίωσης της συμπεριφοράς του και ανίχνευσης του με χρήση μηχανικής μάθησης [1, 2].

Εξόρυξη Γνώσης από Δεδομένα

Μηχανική Γνώσης και Συστήματα Γνώσης

Γνώση Αγγλικής γλώσσας

Ικανές δεξιότητες προγραμματισμού

[1] Iliou, C., Kostoulas, T., Tsikrika, T., Katos, V., Vrochidis, S. and Kompatsiaris, Y., 2019, August. Towards a framework for detecting advanced Web bots. In Proceedings of the 14th International Conference on Availability, Reliability and Security (pp. 1-10).

[2] Radford, A., Metz, L. and Chintala, S., 2015. Unsupervised representation learning with deep convolutional generative adversarial networks. arXiv preprint arXiv:1511.06434.