Κατάλογος προτεινόμενων και ολοκληρωμένων διπλωματικών εργασιών του Τμήματος.
Ανίχνευση και αποφυγή διαδικτυακών ρομπότ (web bots) με χρήση μεθόδων μηχανικής μάθησης
Στόχος
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.
Περιγραφή
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].
Απαιτήσεις
Εξόρυξη Γνώσης από Δεδομένα
Μηχανική Γνώσης και Συστήματα Γνώσης
Απαιτούμενες γνώσεις
Γνώση Αγγλικής γλώσσας
Ικανές δεξιότητες προγραμματισμού
Βιβλιογραφία
[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.
Ανίχνευση συναισθηματικής κατάστασης μέσω ECG από τον Polar H10 και Μηχανική Μάθηση
Στόχος
Κατηγοριοποίηση συναισθηματικών καταστάσεων (θετικό–ουδέτερο–αρνητικό συναίσθημα) με βάση ECG και HRV χαρακτηριστικά.
Περιγραφή
Θα γίνει πείραμα με συμμετέχοντες όπου θα προκαλείται συναίσθημα μέσω video stimuli (π.χ. DEAP dataset protocol). Θα συλλεχθούν ECG δεδομένα από τον Polar H10 και θα εξαχθούν HRV χαρακτηριστικά. Στη συνέχεια θα εκπαιδευτεί μοντέλο Machine Learning (π.χ. SVM ή Gradient Boosting) για ταξινόμηση των συναισθηματικών καταστάσεων.
Απαιτήσεις
Προγραμματισμός, Ανάλυση Σημάτων, Μηχανική Μάθηση
Απαιτούμενες γνώσεις
Python ή Matlab, βασική στατιστική
Βιβλιογραφία
Kumar, A., & Kumar, A. (2025). Human emotion recognition using machine learning techniques based on the physiological signal. Biomedical Signal Processing and Control, 100, 107039.
Kocaleva, M., Stojanova, A., Koceska, N., & Koceski, S. (2025). Emotion Detection from Physiological Markers Using Machine Learning. Informatica, 49(21), 29-44.
Αξιολόγηση ανοιχτών δεδομένων για δημιουργία έξυπνων εφαρμογών
Στόχος
Ανάπτυξη έξυπνης εφαρμογής με χρήση ανοιχτών δεδομένων.
Περιγραφή
Περαιτέρω ανάπτυξη της εφαρμογής propFinder που παρουσιάστηκε στο διαγωνισμό BoG Datathon 2023.
Συνδυασμός διαφορετικών συνόλων ανοιχτών δεδομένων
Αξιολόγηση των συνόλων ανοιχτών δεδομένων (επίπεδο εφαρμογής κτλ)
Δημιουργία της εφαρμογής.
Απαιτήσεις
- Διαχείριση Ανοιχτών, διασθνδεδεμένων και μεγάλων δεδομένων
- Business Analytics
Απαιτούμενες γνώσεις
- Ανάπτυξη εφαρμογών
- Ανάλυση δεδομένων
- Οπτικοποίηση
Βιβλιογραφία
Seljan, S., Viličić, M., Nevistić, Z., Dedić, L., Grubišić, M., Cibilić, I., ... & Alexopoulos, C. (2022). Open Data as a Condition for Smart Application Development: Assessing Access to Hospitals in Croatian Cities. Sustainability, 14(19), 12014.
Φάκελος: https://1drv.ms/f/s!Av-aS0paP9KvimEMI3LMIVqwbB8G?e=yYTeoj
Αξιολόγηση Διαδικτυακών Τόπων Δήμων με τη μεθοδολογία LOSI
Στόχος
Η εργασία στοχεύει στην αξιολόγηση των διαδικτυακών ιστοτόπων Ελληνικών δήμων. Θα αξιολογηθούν οι διαδικτυακοί τόποι του μεγαλύτερου δήμου της κάθε περιφερειακής ενότητας (74).
Περιγραφή
Για την πραγματοποίηση της εργασίας θα χρησιμοποιηθεί το εργαλείο αξιολόγησης ‘Local Online Service Index (LOSI)’ για την αξιολόγηση διαδικτυακών τόπων ελληνικών δήμων. Θα πραγματοποιηθεί ανάλυση των αποτελεσμάτων αξιολόγησης και σύγκριση με τα αντίστοιχα διεθνή δεδομένα που παρέχονται στην έκθεση ηλεκτρονικής διακυβέρνησης των Ηνωμένων Εθνών (United Nations e-Government Survey) για την εξαγωγή συμπερασμάτων σχετικά με τις τάσεις και τα χαρακτηριστικά των δημοτικών διαδικτυακών τόπων. Η εργασία περιλαμβάνει την επιλογή των χαρακτηριστικών των δήμων που θα αξιολογηθούν. Στη συνέχεια θα πραγματοποιηθεί αξιολόγηση των διαδικτυακών τόπων με χρήση του εργαλείου LOSI.
Η στατιστική επεξεργασία είναι επιπέδου στατιστικού φύλλου (π.χ. EXCEL).
Απαιτήσεις
- Ηλεκτρονική Διακυβέρνηση Ι
- Ηλεκτρονική Διακυβέρνηση ΙΙ
Απαιτούμενες γνώσεις
- Βιβλιογραφική έρευνα
- Έρευνα με ερωτηματολόγια
- Στατιστική ανάλυση
Αξιολόγηση Διαδικτυακών Τόπων Ελληνικών Νοσοκομείων
Στόχος
Η εργασία στοχεύει στην αξιολόγηση των διαδικτυακών ιστοτόπων Ελληνικών νοσοκομείων μέσω ενός ήδη αναπτυγμένου πλαισίου αξιολόγησης.
Περιγραφή
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.
Απαιτήσεις
- Ηλεκτρονική Διακυβέρνηση Ι
- Ηλεκτρονική Διακυβέρνηση ΙΙ
Απαιτούμενες γνώσεις
- Η στατιστική επεξεργασία είναι επιπέδου στατιστικού φύλλου (π.χ. EXCEL).
- Βιβλιογραφική έρευνα.
- Στατιστική ανάλυση.
Βιβλιογραφία
- 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.
Αξιολόγηση Διαδικτυακών Τόπων Ελληνικών Νοσοκομείων
Στόχος
Η εργασία στοχεύει στην αξιολόγηση των διαδικτυακών ιστοτόπων Ελληνικών νοσοκομείων μέσω ενός ήδη αναπτυγμένου πλαισίου αξιολόγησης.
Περιγραφή
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.
Απαιτήσεις
- Ηλεκτρονική Διακυβέρνηση Ι
- Ηλεκτρονική Διακυβέρνηση ΙΙ
Απαιτούμενες γνώσεις
- Η στατιστική επεξεργασία είναι επιπέδου στατιστικού φύλλου (π.χ. EXCEL).
- Βιβλιογραφική έρευνα.
- Στατιστική ανάλυση.
Βιβλιογραφία
- 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.
Αξιολόγηση της Ικανότητας Μεγάλων Γλωσσικών Μοντέλων (LLMs) στην Αυτοματοποιημένη Επιδιόρθωση Ευπαθειών Ασφαλείας Λογισμικού
Στόχος
Η εργασία αποσκοπεί στη συγκριτική και πειραματική αξιολόγηση της ικανότητας διαφορετικών Μεγάλων Γλωσσικών Μοντέλων (LLMs) να επιδιορθώνουν αυτόματα γνωστές και ανιχνευμένες ευπάθειες ασφαλείας (security vulnerabilities) σε πηγαίο κώδικα. Μέσω αναλυτικού benchmarking, επιδιώκεται να εκτιμηθεί κατά πόσο τα patches που προτείνουν τα LLMs επιλύουν ουσιαστικά την ευπάθεια, εάν εισάγουν νέες παρενέργειες ή regression bugs, καθώς και αν διατηρούν τη λειτουργική ορθότητα (functionality) του λογισμικού.
Περιγραφή
Ενώ η χρήση των LLMs για την παραγωγή κώδικα (code generation) έχει τύχει εκτενούς μελέτης, ιδιαίτερο ενδιαφέρον παρουσιάζει η αντίστροφη διαδικασία: η αξιοποίησή τους στην αυτοματοποιημένη επιδιόρθωση προγραμμάτων (Automated Program Repair – APR), με επίκεντρο τα σφάλματα ασφαλείας. Συχνά, τα εργαλεία στατικής ανάλυσης (SAST) εντοπίζουν ευπάθειες (π.χ. SQL Injections, XSS, Buffer Overflows), αλλά η διόρθωσή τους απαιτεί χρόνο και εξειδίκευση. Τα LLMs μπορούν να προτείνουν διορθωτικά patches, ωστόσο υπάρχει ο κίνδυνος οι προτεινόμενες αλλαγές να είναι επιφανειακές, να «σπάνε» τη λειτουργικότητα ή να αντικαθιστούν μία ευπάθεια με μια άλλη.
Η εργασία περιλαμβάνει:
- Την προετοιμασία μίας υλοποίησης αναφοράς με γνωστές ευπάθειες.
- Την εφαρμογή διαφορετικών μεθοδολογιών prompting και ροών επικοινωνίας (π.χ. παροχή μόνο του ευάλωτου κώδικα έναντι παροχής αναφορών από εργαλεία SAST/linter) σε πολλαπλά σύγχρονα LLMs.
- Την πειραματική αξιολόγηση των παραγόμενων διορθώσεων (patches) ως προς:
- Την επιτυχή εξάλειψη της ευπάθειας (vulnerability mitigation).
- Τη διατήρηση της ορθής λειτουργίας μέσω αυτοματοποιημένων ελέγχων.
- Την αποφυγή εισαγωγής νέων τρωτοτήτων.
- Τη συγκριτική ανάλυση των μοντέλων και τη διατύπωση κατευθυντήριων οδηγιών για την ασφαλή ενσωμάτωση LLM-driven repair workflows στους μηχανισμούς CI/CD και DevSecOps.
Απαιτήσεις
- Ασφάλεια Πληροφοριακών Συστημάτων
- Ασφάλεια Δικτύων
- Τεχνολογία Λογισμικού
Απαιτούμενες γνώσεις
Γνώση σχετικά με:
- Ασφάλεια λογισμικού και βασικές κατηγορίες ευπαθειών
- Εργαλεία ανάλυσης κώδικα και security testing (SAST, linters, unit testing)
- Χρήση LLMs και τεχνικών prompting / APIs
Βιβλιογραφία
- Zhou, Xin, et al. "Large language model for vulnerability detection and repair: Literature review and the road ahead." ACM Transactions on Software Engineering and Methodology 34.5 (2025): 1-31.
- Kulsum, Ummay, et al. "A case study of llm for automated vulnerability repair: Assessing impact of reasoning and patch validation feedback." Proceedings of the 1st ACM International Conference on AI-Powered Software. 2024.
- Wang, Dong, et al. "On the Evaluation of Large Language Models in Multilingual Vulnerability Repair." ACM Transactions on Software Engineering and Methodology 35.7 (2026): 1-34.
Αξιοποίηση της Τεχνητής Νοημοσύνης και του Διαδικτύου των Πραγμάτων για την Υποστήριξη Εφαρμογών Υγείας και Αθλητισμού
Στόχος
· 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.
Περιγραφή
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.
Απαιτήσεις
Μηχανική Μάθηση
Δίκτυα
Απαιτούμενες γνώσεις
· 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.
Βιβλιογραφία
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
Βάση Ανοικτών Δεδομένων των Aegean Startups
Στόχος
Η εργασία στοχεύει στην σχεδίαση και ανάπτυξη βάσεων ανοικτών δεδομένων στην πλατφόρμα των Aegean Startups
Περιγραφή
Η εργασία περιλαμβάνει τα εξής:
1. Σχεδίαση αρχείων βάσεων ανοικτών δεδομένων για θέματα όπως:
- Τα εργαστήρια του Παν. Αιγαίου
- Οι επιχειρήσεις του Αιγαίου
- Οι απόφοιτοι του Παν. Αιγαίου
- Οι απόδημοι Έλληνες του Αιγαίου
- Startups του Αιγαίου
- Ανοικτά οικονομικά δεδομένα για τα νησιά του Αιγαίου
2. Υλοποίηση κατάλληλων βάσεων δεδομένων και εργαλείων ανεύρεσης / οπτικοποίησης στο περιβάλλον του www.aegean-startups.gr
3. Συγγραφή οδηγιών χρήσης και διαχείρισης
Τα δεδομένα θα παρασχεθούν από άλλες ομάδες εργασίας.
Απαιτήσεις
- Τεχνολογία λογισμικού
- Βάσεις Δεδομένων Ι-ΙΙ
- Προγραμματισμός στο Διαδίκτυο
Απαιτούμενες γνώσεις
.
Βιβλιογραφία
www.aegean-startups.gr
Γένεση ελλειπτικών καμπυλών σε κρυπτογραφικά συστήματα ζευγισμών (pairings).
Στόχος
Στόχος είναι η κριτική επισκόπηση, παρουσίαση και αξιολόγηση της αποδοτικότητας των σημαντικότερων μεθόδων για τη γένεση κατάλληλων ελλειπτικών καμπυλών σε κρυπτογραφικά συστήματα ζευγισμών.
Περιγραφή
Τα τελευταία χρόνια όλο και περισσότεροι επιστήμονες ασχολούνται με τη μελέτη κρυπτογραφικών συστημάτων που βασίζονται στους λεγόμενους ζευγισμούς (pairings). Ζευγισμός είναι μια συνάρτηση που έχει ως πεδίο ορισμού τα σημεία μιας ελλειπτικής καμπύλης και πεδίο τιμών μια πολλαπλασιαστική ομάδα. Για να οριστούν με ορθό τρόπο τα συγκεκριμένα κρυπτογραφικά συστήματα απαιτείται η ελλειπτική καμπύλη πάνω στην οποία βασίζονται να ικανοποιεί ορισμένες συνθήκες. Στα πλαίσια αυτής της διπλωματικής εργασίας ζητείται να παρουσιαστούν αναλυτικά όλες οι γνωστές μέθοδοι για τη γένεση κατάλληλων ελλειπτικών καμπυλών για συστήματα ζευγισμών, να υλοποιηθούν ορισμένες από αυτές και να συγκριθούν ως προς την αποδοτικότητά τους.
Απαιτήσεις
Κρυπτογραφία
Απαιτούμενες γνώσεις
Κρυπτογραφία, καλή γνώση C/C++, εξοικείωση με το λειτουργικό σύστημα Linux.
Βιβλιογραφία
1. S. Tanaka and K. Nakamula, "Constructing Pairing-Friendly Elliptic Curves Using Factorization of Cyclotomic Polynomials," Pairing 2008, LNCS 5209, pp. 136-145, 2008.
2. E. J. Kachisa, E. F. Schaefer, and M. Scott, "Constructing Brezing-Weng Pairing-Friendly Elliptic Curves Using Elements in the Cyclotomic Field," Pairing 2008, LNCS 5209, pp. 126-135, 2008.
3. K. Karabina and E. Teske, ‘’On Prime-Order Elliptic Curves with Embedding Degrees k=3,4, and 6,’’ ANTS-VIII 2008, LNCS 5011, pp. 102-117, 2008.
Διάδραση και συνεργασία Ανθρώπου-Παραγωγικής_ΤΝ
Στόχος
Ανάλυση του φαινομένου διάδρασης και συνεργασίας Ανθρώπου-Παραγωγικής_ΤΝ, με προσανατολισμό στα παρακάτω θέματα:
(e.g., Anthropomorphism in AI and human identity; Dehumanized interactions; Relationships with robots or chatbots; Power dynamics in human-AI collaboration and hegemonic interactions)
Εντοπισμός των οφελών (benefits) και των εμποδίων (barriers, obstacles).
Περιγραφή
Έρευση και ανάλυση case studies
Διεξαγωγή ερωτηματολογίου σε εταιρείες-χρήστες υπηρεσιών παραγωγικής ΤΝ.
https://onlinelibrary.wiley.com/pb-assets/assets/13652575/CFP-Theorising-the-Impacts%20of-Generative-Artificial-Intelligence-1734347192883.pdf
Απαιτήσεις
egov II
Διαλειτουργικότητα
Απαιτούμενες γνώσεις
Ανάπτυξη ερωτηματολογίου
Βιβλιογραφική ανασκόπηση
Βιβλιογραφία
- Davison, R.M., Laumer, S., Wong, L.H.M. and Tarafdar, M. (2023) Pickled Eggs: Generative AI as Research Assistant or Co-author? Information Systems Journal 33, 5, 989-994.
- Davison, R.M., Chughtai, H., Nielsen, P., Marabelli, M., Iannacci, F., van Offenbeek, M., Tarafdar, M., Trenz, M., Techatassanasoontorn, A.A., Diaz Andrade, A. and Panteli, N. (2024) The Ethics of using Generative AI for Qualitative Data Analysis, Information Systems Journal 34, 5, 1433-1439.
- Grover, V. (2024). Pivot points for generative AI in a global world. Journal of Global Information Technology Management, 27(4), 255-258.
- Mikalef, P., Conboy, K., Lundström, J. E., & Popovič, A. (2022). Thinking responsibly about responsible AI and ‘the dark side’ of AI. European Journal of Information Systems, 31(3), 257-268.
- Sheil, B. (1987) Thinking about artificial intelligence. Harvard Business Review, 65, 91-97.
- Susarla, A., Gopal, R., Thatcher, J. B., & Sarker, S. (2023). The Janus effect of generative AI: Charting the path for responsible conduct of scholarly activities in information systems. Information Systems Research, 34(2), 399-408.
Διεθνείς Βέλτιστες Πρακτικές ΑΕΙ Υποστήριξη της Έρευνας, Μεταφοράς Τεχνολογίας και Επιχειρηματικότητας
Στόχος
Η εργασία στοχεύει στη συστηματική αποτύπωση πανεπιστημιακών βέλτιστων πρακτικών και στην πρόταση ενός συνεκτικού πλάνου για ένα Ελληνικό Πανεπιστήμιο
Περιγραφή
Η εργασία περιλαμβάνει τις παρακάτω ενότητες:
- Ανάλυση τουλάχιστον 20 διεθνών πανεπιστημίων γνωστών για την αριστεία τους στους τομείς Έρευνας, Μεταφοράς Τεχνολογίας και Επιχειρηματικότητας
- Ανάλυση τουλάχιστον 5 ελληνικών πανεπιστημίων, γνωστών για την αριστεία τους, στις παραπάνω δράσεις
- Κατάρτιση ταξονομίας δράσεων, υπηρεσιών, οργανωτικών μονάδων, συστημάτων, γενικότερων πρακτικών κλπ όπως προκύπτουν από την παραπάνω μελέτη
- Σύγκριση της παραπάνω ταξονομίας με την τρέχουσα κατάσταση στο Πανεπιστήμιο Αιγαίου
- Αποστολή και συμπλήρωση ερωτηματολογίου σχετικό με τις δράσεις της παραπάνω ταξονομίας, όπου μέλη ΔΕΠ, φορείς της αγοράς, ερευνητές κλπ θα δώσουν τις προτεραιότητές τους και επιπλέον ιδέες ή προτάσεις
Κατάρτιση συνολικού πλάνου δράσεων για την υποστήριξη της Έρευνας, Μεταφοράς Τεχνολογίας και Επιχειρηματικότητας για ένα ελληνικό ΑΕΙ
Απαιτήσεις
- Ειδικά Θέματα και Μελέτες Περίπτωσης ΨΚ&ΝΕ
- Καινοτομία και Επιχειρηματικότητα
Απαιτούμενες γνώσεις
- Ανάλυση δράσεων καινοτομίας και επιχειρηματικότητας
Βιβλιογραφία
.
Δίκαια Συστήματα Συστάσεων
Στόχος
Σε αυτή τη διπλωματική θα μελετηθούν δίκαιες εκδοχές αλγορίθμων για συστήματα συστάσεων που τρέχουν σε γράφους. Θα θέλαμε οι συστάσεις να είναι δίκαιες τόσο για τους χρήστες όσο και για τα αντικείμενα. Για παράδειγμα, θα θέλαμε μια τεχνολογική δουλειά (π.χ. μηχανικός αυτοκινήτων) να προτείνεται και σε άντρες και σε γυναίκες και όχι αποκλειστικά μόνο σε άντρες λόγω της εξάρτησης που υπάρχει ήδη στα υπό εκπαίδευση δεδομένα με πρότερες προκαταλήψεις χρηστών που αλληλεπίδρασαν με το σύστημα στο παρελθόν.
Περιγραφή
Τα συστήματα συστάσεων προτείνουν στους χρήστες στοιχεία (π.χ. ταινίες, βιβλία, φάρμακα, κλπ.) που πιθανόν να τους ενδιαφέρουν. Συνήθως χρησιμοποιούν ιστορική πληροφορία, όπως ποια αντικείμενα ο υπό εξέταση χρήστης ή χρήστες παρόμοιοι με αυτόν έχουν αλληλεπιδράσει στο παρελθόν. Σε αυτήν την εργασία θα εξετάσουμε αλγορίθμους συστάσεων που βασίζονται σε ένα πολυμερείς γράφους ανάμεσα στους χρήστες, στα αντικείμενα, στις κατηγορίες των αντικειμένων, κτλ., όπου οι κόμβοι αντιστοιχούν στους χρήστες, στα αντικείμενα και στις κατηγορίες των αντικειμένων και υπάρχει μια ακμή από ένα χρήστη σε ένα αντικείμενο, αν ο χρήσης έχει διαλέξει το συγκεκριμένο αντικείμενο στο παρελθόν, ενώ υπάρχει και μια ακμή μεταξύ των αντικειμένων και των κατηγοριών στις οποίες αυτά ανήκουν. Οι υπό εξέταση αλγόριθμοι (Personalized PageRank, SimRank, PathSim, κτλ.) θα υπολογίζουν ομοιότητες μεταξύ κόμβων του ίδιου τύπου. Για παράδειγμα, ο PageRank αλγόριθμος κάνει κάποιους τυχαίους περιπάτους σε αυτό το γράφο. Ο τυχαίος περίπατος είναι ένας κλασικός τρόπος διάσχισης ενός γράφου. Ξεκινάει από ένα τυχαίο κόμβο, επισκέπτεται τυχαία κάποιο γείτονα του και μετά τυχαία κάποιο γείτονά του γείτονα, κ.ο.κ.
Απαιτήσεις
Μεγάλα Δεδομένα και Εξόρυξη Δεδομένων
Απαιτούμενες γνώσεις
Προγραμματισμός σε Python
Βιβλιογραφία
Singh, A., & Joachims, T. (2018, July). Fairness of exposure in rankings. In Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining (pp. 2219-2228).
ΔτΠ Περιβάλλον στην Υπηρεσία Αυτοκινήτων επόμενης Γενιάς
Στόχος
Διερεύνηση του οικοσυστήματος της αυτοκίνησης οχημάτων με αξιοποίηση ολοκληρωμένων συστημάτων ΔτΠ.
Ενίσχυση με επιπρόσθετες υπηρεσίες των οχημάτων, όπως κοινωνική δικτύωση και παραγωγή περιεχομένου για την απασχόληση των επιβατών.
Διερεύνηση με στάθμιση την Ποιότητα των Υπηρεσιών και της Εμπειρίας
Περιγραφή
Οι σημερινές αυτοκινητοβιομηχανίες ετοιμάζουν τις επόμενες γενιές αυτοκινούμενων οχημάτων τόσο για μεταφορά αυτόμων όσο και για μεταφορά προϊόντων.
Σε αυτό το περιβάλλον, χρειάζεται η ανάπτυξη νέων ολοκληρωμένων συστημάτων για την διαχείριση της κυκλοφορίας, την λήψη αποφάσεων σε τοπικό επίπεδο, την μετάδοση δεδομένων (πχ. εικόνα, ήχος) πάντα με την υποστήριξη δικτύων νέας γενιάς όπως προδιαγράφονται σε αναφορές για 6G.
Κομβικός Παράγοντας η διασφάλιση της Ιδιωτικότητας και η Ασφάλεια.
Απαιτήσεις
Σχεδιασμός, Ανάπτυξη και Επίδοση Δικτύων Νέας Γενιάς
Ασφάλεια και Ιδιωτικότητα στο Διαδίκτυο του Μέλλοντος
Σύγχρονα Δίκτυα και Διασύνδεση ΔτΠ
Θέματα Εφαρμογών Τεχνολογιών ΔτΠ
Απαιτούμενες γνώσεις
Ασφάλεια Συστημάτων, Διασύνδεση Δικτύων, Δίκτυα Νέας Γενιάς
Βιβλιογραφία
https://smartcities.ieee.org
Δυναμική προσαρμογή επιπέδου δυσκολίας εφαρμογής παιχνιδιών σοβαρού σκοπού για γνωστική εξάσκηση
Στόχος
Ο στόχος της διπλωματικής εργασίας είναι ο σχεδιασμός και η ανάπτυξη ενός μηχανισμού δυναμικής προσαρμογής επιπέδου δυσκολίας και η ενσωμάτωσή του σε μια υπάρχουσα εφαρμογή παιχνιδιών σοβαρού σκοπού για γνωστική εξάσκηση ανθρώπων τρίτης ηλικίας με ήπια γνωστική εξασθένηση.
Περιγραφή
Η Δυναμική Προσαρμογή Δυσκολίας (Dynamic Difficulty Adjustment - DDA), γνωστή ως DDA, είναι μια θεωρία που αφορά το πεδίο του σχεδιασμού παιχνιδιών σοβαρού σκοπού. Ο βασικός άξονας της προσέγγισης αυτής, στηρίζεται στο ότι η δυσκολία ενός παιχνιδιού πρέπει να αλλάζει δυναμικά σύμφωνα με την επιδεξιότητα και την απόδοση του παίκτη. Καθώς αυξάνεται το επίπεδο δυσκολίας, αυξάνεται και η δυσκολία του παιχνιδιού και το εκπαιδευτικό περιεχόμενο. Για να διασφαλιστεί η κατάκτηση του γνωστικού και εκπαιδευτικού περιεχομένου του κάθε παιχνιδιού, κρίνεται αναγκαία η σταδιακή αύξηση της δυσκολίας του περιεχομένου αυτού, το οποίο θα πρέπει να αυξάνεται με αργό και σταθερό ρυθμό και μερικές φορές ένα ευκολότερο περιεχόμενο να επανεξετάζεται στα υψηλότερα επίπεδα δυσκολίας. Απαραίτητη προϋπόθεση για την ανάπτυξη ενός τέτοιου μηχανισμού δυναμικής προσαρμογής είναι η δυνατότητα επιλογής από μια ποικιλία περιεχομένου. Ο μηχανισμός, θα είναι υπεύθυνος για την προσαρμογή παραμέτρων και στοιχείων του εκάστοτε παιχνιδιού (π.χ. διαθέσιμος χρόνος απόκρισης, πλήθος ερεθισμάτων, μήκος λέξεων, κ.ά.).
Για τις ανάγκες της διπλωματικής θα δοθεί μια συγκεκριμένη εφαρμογή που περιλαμβάνει παιχνίδια σοβαρού σκοπού που σχεδιάστηκαν για την ενίσχυση των γνωστικών λειτουργιών μέσω ασκήσεων που εστιάζουν σε διάφορους γνωστικούς τομείς. Η εφαρμογή έχει αναπτυχθεί σε περιβάλλον Unity και μπορεί να χτιστεί είτε για Android είτε για WebGL πλατφόρμες. Η τρέχουσα εφαρμογή δίνει τη δυνατότητα να επιλέξουμε χειροκίνητα την εκτέλεση των παιχνιδιών σε διαφορετικά επίπεδα δυσκολίας ανάλογα και με τις δυνατότητες των συμμετεχόντων. Στο πλαίσιο της εργασίας θα σχεδιαστεί ένας μηχανισμός δυναμικής προσαρμογής του επιπέδου δυσκολίας που θα λαμβάνει υπόψη στοιχεία όπως:
1. Τα χαρακτηριστικά του χρήστη (φύλλο, ηλικία, τρέχον γνωστικό επίπεδο)
2. Πρόσφατα δεδομένα χρήσης (του current game session, π.χ. αν δεν απαντά σωστά x% των ερωτήσεων στο Level 1 δεν μπορεί να πάει στο Level 2, αντίστοιχα από το Level 2 στο Level 3).
3. Ιστορικά δεδομένα χρήσης (αν ιστορικά έχει απαντήσει σωστά x% των ερωτήσεων στο Level 1 μπορεί να πάει στο Level 2, αντίστοιχα από το Level 2 στο Level 3).
4. To 3 υπερισχύει του 2, δηλαδή αν το 3 είναι true και το 4 false προχωρά στο επόμενο επίπεδο.
5. Άλλα κριτήρια που θα προκύψουν από την έρευνα της διπλωματικής
Επιπλέον, για να λειτουργήσει σωστά ένας μηχανισμός δυναμικής προσαρμογής θα χρειαστεί να εμπλουτιστεί για κάθε ένα από τα παιχνίδια της εφαρμογής το σχετικό περιεχόμενο. Για παράδειγμα, για ένα παιχνίδι παζλ, θα πρέπει να εμπλουτιστούν οι διαθέσιμες εικόνες, ενώ για ένα παιχνίδι εξάσκησης της γλώσσας (π.χ. συνώνυμα-αντώνυμα) θα πρέπει να εμπλουτιστεί το σχετικό λεξιλόγιο
Απαιτήσεις
Κατανεμημένα Συστήματα
Προηγμένα Θέματα Γλωσσών Προγραμματισμού
Απαιτούμενες γνώσεις
Τεχνολογία Λογισμικού
Προγραμματισμός σε Android
Βιβλιογραφία
Zohaib, M. (2018). Dynamic difficulty adjustment (DDA) in computer games: A review. Advances in Human-Computer Interaction, 2018.
Lopes, R., & Bidarra, R. (2011). Adaptivity challenges in games and simulations: a survey. IEEE Transactions on Computational Intelligence and AI in Games, 3(2), 85-99.
Εκπαίδευση στο Διαδίκτυο των Πραγμάτων
Στόχος
Στόχος της εργασίας είναι η έρευνα και η δημιουργία εκπαιδευτικών ενοτήτων σε θέματα Διαδικτύου των Πραγμάτων με χρήση εργαστηριακών υποδομών και τεχνολογιών διαδικτύου. Ιδιαίτερη έμφαση δίνεται στην Α/μια και Β/μια εκπαίδευση καθώς και στην κατάρτιση άλλων ειδικοτήτων με χρήση σύγχρονων μεθόδων εκπαίδευσης.
Περιγραφή
Στόχοι της διπλωματικής είναι η διερεύνηση του τοπίου της εκπαίδευσης σε θέματα Διαδικτύου των Πραγμάττωνστους παρακάτω κύριους άξονες:
· Συστήματα εκπαίδευσης που βοηθούν τον εκπαιδευτή και εκπαιδευόμενο και προσαρμόζονται κατάλληλα στις ικανότητες των χρηστών
· Εξέλιξη και προσαρμογή της διδακτικής με βάση την χρήση τεχνολογιών. Μέθοδοι διδασκαλίας, χρήση παιχνιδιών, τηλεκπαίδευση σε Α/μια και Β/μια και κατάρτιση.
· Τεχνολογίες μάθησης με έμφαση τον χώρο της επιστήμης και της εκπαίδευσης που α) βοηθούν τον μαθητευόμενο να δημιουργήσει τον δικό του χώρο εκπαίδευσης, ενισχύει την αναζήτηση, την δημιουργικότητα και έξυπνη εφαρμογή της θεωρίας β) υποστηρίζουν διάχυση πληροφορίας και χρήση απομακρυσμένων υποδομών μάθησης, πειραματισμού και εκπαίδευσης, πέρα από γεωγραφικά και άλλα σύνορα.
Απαιτήσεις
Σχεδιασμός, Ανάπτυξη και Επίδοση Δικτύων Νέας Γενιάς
Σύγχρονα Δίκτυα και Διασύνδεση ΔτΠ
Θέματα Εφαρμογών Τεχνολογιών ΔτΠ
Απαιτούμενες γνώσεις
Πλατφόρμες εκπαίδευσης μέσω διαδικτύου
Βιβλιογραφία
https://iot.ieee.org/education.html
Εκφράσεις συναισθήματος σε ανθρωποείδες
Στόχος
Εμπλουτισμός επικοινωνία ανθρωποειδούς
Περιγραφή
Επέκταση του προσώπου με μη-λεκτικά σήματα (εκφράσεις, βλέμμα, backchannels «μμ», νεύματα) και μηχανισμό εναλλαγής σειράς ομιλίας, με αξιολόγηση στη ροή ελληνικού διαλόγου.
Απαιτήσεις
Εισαγωγή στη Ρομποτική
Απαιτούμενες γνώσεις
Αγγλικά, βασικά ρομποτικής
Βιβλιογραφία
Skantze, G. (2021). Turn-taking in conversational systems and human-robot interaction: a review. Computer Speech & Language, 67, 101178.
Ενίσχυση της ασφάλειας αποθετηρίων μοντέλων
Στόχος
Ενίσχυση της ασφάλειας αποθετηρίων μοντέλων
Περιγραφή
Το αποθετήριο μοντέλων CDO προσφέρει βασική λειτουργικότητα ασφάλειας, η οποία όμως είναι απλοϊκή ενώ φαίνεται πως δεν είναι αρκετά αξιόπιστη. Επομένως, σκοπός της εργασίας είναι να επεκτείνει το CDO ώστε να μπορεί να διαλειτουργεί με state-of-the-art μηχανισμούς αυθεντικοποίησης και εξουσιοδότησης.
Απαιτήσεις
- Διοίκηση Ασφάλειας Πληροφοριακών Συστημάτων
- Ασφάλεια και Ιδιωτικότητα στο Διαδίκτυο του Μέλλοντος
Απαιτούμενες γνώσεις
- CDO/Model repositories
- Authentication & Authorization Mechanisms
Βιβλιογραφία
Ενίσχυση της Μεθοδολογίας Privacy Safeguard – PriS με βάση τον GDPR
Ενοποιημένη Πλατφόρμα Ανάλυσης Δεδομένων Εμπειρίας Χρήστη και Πειραματικής Συμπεριφοράς
Στόχος
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.
Περιγραφή
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
Απαιτήσεις
- Προγραμματισμός
- Τεχνολογίες Λογισμικού
Απαιτούμενες γνώσεις
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.
Βιβλιογραφία
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.

